Форум создателей искусственных интеллектов

Если ребенок с дедсадика видит вокруг себя недоумков, нищебородов и идиотов, то "вылупившись", он уезжает в нормальную страну, где живут нормальные люди. И живет там нормальной жизнью. ))) И думает, господи, как мне повезло, что я сделал это вовремя) Заканчивайте оффтоп, Цапуля, Ваше неуместное в этой теме тупое нытьё надоело даже mserg'у. Здесь форум создателей ИИ 😃, а не обсуждение "моей неспособности писать промты к людям или небрежности в кодировании, или вылупливания детей из детсадиков" (или куда Вас еще забросит фантазия и зависть). Я понимаю, что Вы - старый, злобный, отраханный жизнью человечек, но попробуйте начать разбираться с темой. Начните хотя бы с википедии или просмотров ютюбовских роликов, посвященных LLM. Упорство и труд помогают развивать мозг. Начните прямо сейчас.

Тут пишут, что Эндрю Нг говорит об интересном экономическом тренде в разработке ПО. Основная идея в том, что благодаря ИИ само написание кода становится дешевле и быстрее, и это создаст повышенный спрос на продакт-менеджеров (PM) - людей, которые определяют, что именно нужно создавать. Он приводит аналогию с автомобилями и бензином, когда машины стали дешевле, больше людей стали их покупать, что привело к росту спроса на бензин. Похожая ситуация будет и в софте, когда написание кода становится эффективнее благодаря ИИ, растет потребность в людях, которые могут четко определять, что именно нужно создавать. Особенно он подчеркивает перспективность роли AI Product Manager. Такой специалист должен обладать особым набором навыков: 1. Техническое понимание ИИ 2. Умение работать с итеративной разработкой 3. Навыки работы с данными 4. Способность управлять неопределенностью 5. Постоянное обучение новому Сейчас типичное соотношение инженеров к PM составляет примерно 6:1, но Нг считает, что это изменится, так как команды будут нуждаться в большем количестве продакт-менеджеров. При этом уже сейчас компаниям сложно найти людей, которые одновременно понимают и продакт-менеджмент, и ИИ. Также он отмечает, что спрос на хороших AI Product Manager'ов будет огромным, а возможности для создания полезных продуктов практически безграничны. https://www.deeplearning.ai/the-batch/issue-284/

Ну что Вы, Цапуль, я испытываю жалость к Вам, я же писал. В силу своей неразвитости Вы никогда не сможете почувствовать и понять как прекрасен мир, как изумительно решать в нем сложные и красивые задачи, как это захватывающее - быть свободным и иметь возможности создания нового. Как всегда безстыдно врёте. Своего определения я еще не давал, здесь некому его понять, зачем тогда бисер метать (Матюша 7:6))) А это определение - мой вольный перевод определения от CEO Майкрософт, я об этом написал. Вы - идиот, Цап?

И, если по честноку, я думаю, что способность агента заработать 100 ярдов зелени - это хороший критерий разумности. Конечно, местные нищеброды будут протестовать против такой точки зрения на интеллект, поскольку считают себя вершиной интеллектуального развития вселенной 😃. Но, разумеется, это не так. Лузер противоположен интеллекту. А вот способность зарабатывать (то есть быть независимым и иметь жизненные перспективы), способность анализировать и понимать потребности рынка, способность коммуницировать с клиентами и удовлетворять их требованиям, способность предоставлять удобный и полезный сервис - это важнейшие качества интеллекта, Сатья Наделла прав.

Вот ребята попробовали использовать Devin'а для решения программистских задач. Негативно)) https://www.answer.ai/posts/2025-01-08-devin.html Команда Answer.AI месяц тестила ИИ-инженера Devin, который, напомню, обещает сам писать код, деплоить проекты и решать сложные задачи. На старте всё было круто: Devin легко затянул данные из Notion в Google Sheets и даже помог создать планетарный трекер (при этом команды давались через телефон). Но чем сложнее становились задачи, тем больше он начинал буксовать. От бесконечных попыток сделать невозможное до кучи бесполезного спагетти-кода. Похоже, основная проблема Девина такая же как и у LLM в целом: неумение сказать “я не знаю” / “я не могу”. В целом, эксперимент быстро превратился в проверку на терпение. Итоговые цифры говорят сами за себя: из 20 задач — только 3 успеха, 14 провалов и 3 “непонятных” результата. Основной вывод авторов — идея автономного ИИ для программирования классная, но в реальности Devin больше мешал, чем помогал. Насколько я понимаю, Devin уступает o1, хотя и специализируется именно на коддинге. На самом деле, всё решает промт, чтобы писать промт пока еще нужен интеллект)))

Денис Ширяев пишет о своём опыте использования tasks: 1. Персональный список To Do Я часто использую Saved Messages в Telegram для записи каких-то промежуточных задач, это не очень удобно потому что они теряются со временем; поэтому я попросил ChatGPT Tasks каждый день, в 10 утра, писать мне и спрашивать какие у меня задачи на сегодня, приоритизировать и суммировать текущий список. Теперь я закидываю в этот чат оперативные задачи, а она добавляет их в общий список сама. Из минусов — задачи хранятся как часть описания таска (явный костыль чат интерфейса); зато утро всегда начинается с To Do по личным и рабочим проектам — мне пока нравится; чаты тоже можно выносить в папки проектов. Остальные юзкейсы я вытащил из тредов: 2. Практика иностранного языка Запланируйте ежедневные «уроки» или короткие диалоги. Например, ChatGPT в 19:00 присылает вам новые слова для запоминания или предлагает мини-тест на грамматику. Это поможет заниматься регулярнее 3. Подготовка к экзаменам и обучению Создайте серию задач, которые ежедневно или еженедельно выдают вам набор вопросов/тестов. Например, вы готовитесь к программированию: ChatGPT может напоминать о прошедших темах и предлагать упражнения на закрепление 4. Еженедельные (или ежедневные) чекины кукухи Запросите у ChatGPT раз в неделю «проверку состояния», где он предлагает короткие вопросы на саморефлексию или техники для снижения стресса. Хоть это не заменит профессиональную помощь, такие напоминания могут помочь вовремя обратить внимание на собственные эмоциональные колебания и позволит эффективно вести дневник кукушки 5. Отслеживание прогресса в долгосрочных проектах ChatGPT Tasks может «помнить» несколько этапов вашего большого проекта и раз в неделю присылать вам вопрос: «Как ты сейчас? Есть ли новые задачи или сложности?» При желании он подскажет идеи о следующих шагах, если есть проблемы 6. Автоматическая генерация контента Попросите ChatGPT по расписанию (например, по понедельникам и пятницам) создавать наброски статей или постов для соцсетей на заданную тему. Или, если вы пишете художественные произведения, пусть еженедельно он предлагает сюжетные идеи для книги или блога 7. Ведение личной базы знаний Если вы используете ChatGPT как «записную книжку», можно попросить Tasks периодически упорядочивать заметки, находить дубли и выделять ключевые моменты - что-то вроде само-сортирующихся Saved Messages в telegram 8. Напоминания о релизах, событиях и датах — ChatGPT как календарь Хотите не пропустить выход новой игры, книги или день рождения близкого человека? Попросите ChatGPT уведомить вас за несколько дней, а потом ещё раз в день релиза/праздника. Модель может даже предложить идеи подарков или занятия по теме 9. Поддержка здоровья и фитнеса Запланируйте утренние и вечерние «пинги» о том, чтобы выпить воды, сделать зарядку или прогуляться. ChatGPT Tasks можно попросить генерировать новые идеи упражнений или рецепты здоровых завтраков с учётом ваших предпочтений, чтобы избежать однообразия 10. «Поддержка и похвала» Можно сделать чтобы ChatGPT периодически писал и говорил «Я горжусь тобой!». Я настроил утренние цитаты в стиле Теда Лассо, потому что он клевый 11. Помощь с написанием научной статьи или книги «по частям» Если вы делаете большой проект (диссертацию, книгу), можно разбить её на главы и попросить ChatGPT генерировать материалы или проверять ваши черновики по графику. Например, «каждый понедельник» Tasks спрашивает: «Напиши 500 слов о таком-то разделе» и сохраняет контекст UPD. Я ошибся – таски умеют гуглить (в интерфейсе таска не видно есть ли доступ в поиск или нет 😮 ) - поправил, поэтому вот еще один юзкейс: Автоматом собирать данные по какому-то запросу, типа, последние новости АИ или скидки

Сегодня на arxiv появилась монография Foundations of Large Language Models Большие языковые модели возникли из обработки естественного языка, но они, несомненно, стали одним из самых революционных технологических достижений в области искусственного интеллекта за последние годы. Важное понимание, привнесенное большими языковыми моделями, заключается в том, что знание мира и языков может быть получено с помощью крупномасштабных задач моделирования языка, и таким образом мы можем создать универсальную модель, которая справляется с разнообразными проблемами. Это открытие глубоко повлияло на методологии исследований в области обработки естественного языка и многих связанных дисциплин. Мы перешли от обучения специализированных систем с нуля с использованием большого количества размеченных данных к новой парадигме использования крупномасштабного предварительного обучения для получения базовых моделей, которые затем настраиваются, выравниваются и подсказываются. Цель этой книги — изложить основные концепции больших языковых моделей и представить связанные с ними методы. Как следует из названия, книга больше фокусируется на основополагающих аспектах больших языковых моделей, а не на предоставлении всестороннего охвата всех передовых методов. Книга состоит из четырех глав: • Глава 1 знакомит с основами предварительного обучения. Это основа больших языковых моделей, и здесь будут обсуждаться общие методы предварительного обучения и архитектуры моделей. • Глава 2 знакомит с генеративными моделями, которые являются большими языковыми моделями, на которые мы обычно ссылаемся сегодня. После представления основного процесса построения этих моделей мы также изучим, как масштабировать обучение моделей и обрабатывать длинные тексты. • Глава 3 знакомит с методами подсказок для больших языковых моделей. Мы обсудим различные стратегии подсказок, а также более продвинутые методы, такие как цепочка мысленных рассуждений и автоматическое проектирование подсказок. • Глава 4 знакомит с методами выравнивания для больших языковых моделей. Эта глава фокусируется на тонкой настройке инструкций и выравнивании на основе обратной связи от человека. (231 страница) https://arxiv.org/pdf/2501.09223 И - да - я не предлагаю местным обитателям её читать, просто разместил ссылку...

Ой, еще один дедулька прибежал определения клянчить... Но нет, дедульке не нужны чужие слова, он полон своими, самыми правильными. Заповедными. Волшебными. Сакральными. Если закопать свою жизнь в стране дураков, а потом произнести эти слова. То наутро поле чудес покроется сотней самых правильных искусственных интеллектов.

Как говорили обезьянка из анекдота, дура не дура, а свои *сят долларов в час имею))) Удивительно, конечно, разводят меня, а за гранью нищеты и осмысленности живёте именно Вы. В полной убогости. И, судя без безсмысленному оффтопу, еще в и старческом слабоумии 😃

Нищеброд, который откладывает на бутылку кефира не понимает разницы между *дцать и *сят, а она есть и довольно значительная. Например, *сят означает: Зимний Колорадо, весенняя Испания, летний Мэн, осенние Апалачи и круглый год - Флорида))) Вы в лучшем случае путешествуете по своей панцирной кровати)))

Как всякий нищеброд Вы наивно полагаете, что в мире чистогана деньги раздают кому попало за что угодно и если Вы бы захотели, то тоже могли состояться. Это очень тупо и наивно. В стиле Лаврушки. Нет, дедуль, именно интеллект раздает судьбу, вот Вы - тупой, поэтому - нищий и забитый жизнью, я - умный, поэтому - свободный и богатый))

Вам не обязательно оправдываться. Умных и успешных людей очень мало. Нет ничего удивительного в том, что у Вас пересонально не получилось. ))) Вы же не знали, что восприятие, мышление и суждение - это инструменты, что они нуждаются в ежедневной тренировке и специальной дисциплине в использовании. А это самое главное знание, все остальные - следствие этого))

Мы все так делаем, у нас нет ничего, кроме нас. Просто Вы (в силу ограниченности своих суждений) не понимаете, что сравнивать самомнения - это путь в никуда. Сравнивать можно только результаты)) А вот с этим у Вас проблемы 😃

Если Вы наивно полагаете, что результатами являются слова, то должен Вас огорчить. Результатом может быть только успешная ДЕЯТЕЛЬНОСТЬ, решение задач и реализация проектов. Надеюсь, Вы разделяете научный метод познания? А слова Ваши не имеют ни ценности, ни смысла, ни применимости. Слова - это просто слова))) Поле Чудес в Стране Дураков...

Я вообще не занимаюсь словами. Ни здесь и ни там)) Я занимаюсь делами, проектами, задачами. И разницу между нами можно (если Вы все-таки придерживаетесь научного метода))) показать сразу: Вы - нищий пенсионер, живущий в разлагающейся стране, без каких-либо жизненных перспектив, я - успешный айти архитектор, с дальним горизонтом планирования своей деятельности и доходов. Луарвик, заканчивайте своё нытьё, мы же знаем, что кроме нескольких аббревиатур и голой жопы Вам нечего продемонстрировать. Зачем Вы пришли ныть в эту тему и загадили ее продуктами своей мыследеятельности. Продолжайте в своём зоопарке, пожалуйста. upd: извините, я потерял интерес к общению с Вами...

Начнем с того, что ИИ уже сейчас вполне полноценный, все эти aGi, aSi - это просто слова, смысл которых мало кто понимает на уровне механизмов. Современный ИИ (которым пользуюсь я и мои коллеги) вполне способен общаться на тему проектирования, алгоритмирования, успешно пишет сложные функции, ищет нужное в интернете, переводит с языка на язык и предоставляет почти весь мыслимый сервис ассистента. Сейчас еще добавили таски. Но, на самом деле, никакой "универсальный" интеллект не нужен. Наш мир устроен таким странным образом, что чем более универсальна модель, тем менее она полезна. LLM будет развиваться в сторону специализаций, когда агенты будут обучены ограниченным предметным областям. В этой году нейронной сети (и ее кожанным коллегам) дали нобелевскую премию по химии за белки. Вот так примерно и будет: один агент будет диспетчером, задавать задачи специализированным агентам, а группы диспетчеров будут управляться координатором, которые будут образовывать горизонтальные сообщества. То есть будущее LLM в умении работать со специализированными эмбеддингами как это ни странно.)))

Разница, как известно, в нюансах. Что такое "само"-обучение? Создание РНК и ДНК? Нет. Это создание такого органа как головной мозг? Нет))) Это создание прочей периферии нервной системы? Нет. Это создание химизмов клеточного обмена, архитектуры рецепторов, кодирования нервных импульсов, прописывание инстинктов? Нет. Это обучение социальному поведению, языку, паттернам и протоколам освоения знаний? Нет. То есть под "само"-обучением мы понимаем довольно узкую способность писать промты самому себе и пользоваться репозитарием для создания контекста для них. То есть ничего, чтобы выходило за пределы функциональности LLM, да Вы и сами об этом пишите. Но. 1) Есть интересное самообучение как оставить LLM внутри движущейся платформы, с камерой и микрофоном, манипуляторами и прочими эффекторами. 2) Есть интересное самообучение как научение активности и целеполаганию. Это очень перспективно, особенно в комплексе. Это появится, когда роботизированные системы будут решаться всерьез. На самом деле сильно мешает и у меня два набора установочных промтов, разные проекты, кроме того, приходится ежедневно анализировать и чистить сохраненный контест. Кроме того я на "общие темы" беседую с 4о, он для этого лучше "специализирован"))). А было бы две версии, одна заточена на задачи компьютерного зрения, другая на теорию алгоритмов, C++ и CUDA - было бы много эффективнее.

Для этого есть вполне стандартный alignment, который не требует изменения архитектуры. Честно, я не вижу среди Ваших требований чего-то за пределами сегодняшних технологий.

У Лаврика есть несомненные достоинства: его невежество с лихвой коменсируется банальностью и упрощением анализируемой сцены до дебильности 😃

Забавно то, что дедулька в самом деле уверен, что подвёл итог цивилизации, а не собственной глупости 😃