Моделирование ИИ (Искусственного интеллекта)

[BDK]

Это про экономический эффект. Да, он должен быть в приоритете.

[Андрей Карпишин]

Nvidia начала продажи настольного суперкомпьютера

Nvidia начала продажи DGX Spark — компактного ПК на базе суперчипа GB10 Grace Blackwell. Nvidia называет систему настольным суперкомпьютером и ориентирует на задачи генерации и инференса моделей ИИ.

Система обладает производительностью 1 Пфлопс (FP4), чего достаточно для инференса моделей с ~200 млрд параметров и дообучения моделей с ~70 млрд параметров. При этом DGX Spark помещается в компактном корпусе 150×150×50 мм и весит около 1,2 кг.

GPU-часть чипа GB10 по количеству CUDA-ядер соответствует уровню RTX 5070, однако DGX Spark специально оптимизирован под задачи ИИ. Он предлагает единое пространство памяти 128 Гбайт LPDDR5X, которое доступно как CPU, так и GPU. Кроме того, для соединения компонентов в системе используется межсоединение NVLink-C2C, а не PCIe 5.0.

Устройство оснащено Arm-процессором с 20 ядрами (10×Cortex-X925 + 10×Cortex-A725) и работает на DGX OS — версии Ubuntu Linux с инструментами разработки ИИ, драйверами и необходимой инфраструктурой стека Nvidia.

Цена системы — $3999. Многие производители ПК (Acer, Asus, Dell, HP, Lenovo, Gigabyte, MSI) уже анонсировали собственные версии DGX Spark.

В ознаменование старта продаж DGX Spark глава Nvidia Дженсен Хуанг лично передал один из первых экземпляров «суперкомпьютера» Илону Маску на площадке SpaceX. Систему также получили Google, Meta, Microsoft, Hugging Face, Docker и некоторые исследовательские институты.

[Андрей Карпишин]

ChatGPT перестаёт быть просто помощником — теперь он может быть любовником

Глава OpenAI Сэм Альтман объявил, что новая версия ChatGPT сможет вести себя как партнёр — с эмоциями, флиртом и «человечностью».

А с декабря компания официально разрешит эротический контент и ролевые сценарии. То есть ИИ теперь сможет не только помогать с текстами, но и «поддерживать» в самые одинокие вечера.

[BDK]

Ну ну. Чем бы задроты ни тешились лишь бы не вешались.

Впрочем нормально - больше задротов меньше конкурентов. Пусть дрочат на чат гыпыты. А голодные телочки - мои!

[Андрей Карпишин]

Брокеров в дорогих костюмах больше нет — на Уолл-стрит теперь торгует ИИ, признала глава Нью-Йоркской фондовой биржи Линн Мартин. Всего за четыре года количество сделок на ней выросло в четыре раза: с 350 миллиардов до 1,2 триллионов ордеров в день. Подавляющее большинство из них размещается «умными» алгоритмами и торговыми системами, построенными на базе ИИ. По словам Линн Мартин, такая скорость рынка почти не оставляет места на нём человеку.

[BDK]

Мы люди разбиваем реальность на объекты. Причем это высшая функция нашего человеческого интеллекта а не базовое свойство нейросетей. Нейросети обобщают крайне слабо.

Что такое объект? Это некое образование в наблюдаемом изменчивом мире которое в глазах наблюдающего длительно сохраняет наблюдаемость и моделируемость как объект .

То есть объект - это не физическое свойство а свойство которым наделяет наблюдаемое человек.

То есть объект - это не обязательно что-то устойчивое и не изменчивое физически. Но если ум человека способен некую изменчивую субстанцию распознавать, моделируовать и прогнозировать как нечто предсказуемое - для человека это объект.

Суть - объект это что-то что человек может рассматривать изолированно от остальной среды, на чем человек может сосредоточиться , направить всю мощь своего ума при этом в значительной степени игнорируя остальное и при этом это не пойдет в ущерб возможности предсказывать и моделировать реальный мир. То есть человек может разбить мир на части и по отдельности сосредотачиваться на частях и это оказывается успешным для моделирования мира в целом.

Из такого определения видно что то на какие именно объекты ум разобъет мир зависит от того какой это ум.

Нет общего понятия объект. Это субъективное для конкретного ума понятие.

[BDK]

Я делаю ставку на объекты которые назначает человек а не находит машинное обучение , потому что машинное обучение находит только очень слабые объекты. Но машинное обучение я использую для автоматического установления связей между объектами - эта задача как раз подходит для нейросетей.

То есть моя версия ИИ не обучается с нуля на сырых данных. Я сам прописываю модель реальности, но эта модель вначале исключительно абстрагирована от реального мира, а вот затем я применяю нейросети чтобы связать абстрагированную модель с реальным миром.

То есть мой ИИ тоже может рассуждать, но не на основе выученных паттернов из текстов а на основе правил которые я сам прописал. Но эти правила эффективно автоматически увязываются с реальным миром. То есть мой ИИ действительно понимает как устроен реальный мир а не просто предсказывает следующее слово. Но это понимание он не сам формирует а прописываю в него я.

Плюсы такого подхода - черезвычайная экономия выч.ресурсов, точность и контролируемость, никаких галлюцинаций, строгая логика. Запредельные способности в специализированных направлениях. Минус - очень много ручной работы. Такая система не формируется сама, она скрупулезно выстраивается человеком. Стиль мышления такой системы сугубо определяется разработчиком и его умением выстроить эффективную систему понятий. То есть такое не поставишь на поток и результат у каждого разработчика получится сугубо индивидуальный. Абсолютное отсутствие стандартизации. Каждая такая система получится с абсолютно индивидуальным характером.

Но это как раз то что мне и нужно. И это то чем я намерен конкурировать с LLM. Хотя понятие конкуренции тут не совсем корректно. Это разные ниши - как мелкосерийно выпускаемые суперкары и промышленно выпускаемые авто для массового пользователя. Это для разных целевых пользователей.

[BDK]

Что такое алгоритм? Это короткий путь в пространстве вариантов. Нейросеть - это стрельба из пушки по воробьям - очень дорого в плане вычислительных затрат. Преимущество нейросети только в том что она обучается автоматически а алгоритм приходится писать человеку. Но алгоритм может намного экономичней делать то что нейросеть делает дорого.

То есть нейросеть - это выбор тех у кого есть много выч. ресурсов - именно поэтому гиганты делают ставку на нейросети и датацентры размером с небольшой город запитываемые отдельной атомной станцией.

Но мелким разработчикам это вообще не вариант. Мелкому разработчику проще написать алгоритм вручную чем запустить машинное обучение на 100000 видеокарт на полгода.
=====
Да конечно не всё можно закодировать вручную. Иногда нейросеть единственный выход. Но это касается некоторых аспектов задачи а не задачи целиком. То есть грубо говоря можно 99% приложения написать вручную и 1% обучить в виде небольших нейросетей вместо того чтобы пытаться всё приложение на 100% реализовать одной гигантской нейросетью.

[Андрей Карпишин]

Помню, как поставил нейросеть в тупик простейшим вопросом "Вредно ли курить не в затяг?"
- Нет никаких сведений о том, вредно ли курить не в затяг.

[BDK]

Ну да. Только нужно уточнять - не нейросеть а LLM. Потому что LLM это очень конкретный тип нейросетей а вообще возможно бесконечное многообразие типов конструкций которые можно построить с применением нейросетей. Нейросеть в целом и общем - это еще один из математических инструментов в арсенал. Это как еще одна операция в программировании. Еще один кирпичик для построения систем. Но решают именно системы а не кирпичики. LLM - это эксперимент, нечто почти случайно получившееся когда в гугле экспериментировали с нейросетями. Но как и всё получившееся случайно оно прикольно поначалу но оказывается не совсем полезно в чистом виде для практического применения. И дальше уже из обнаруженного кирпичика пробуют строить более целенаправленные и предназначенные для практического применения вещи. И вот здесь начинается эволюция со всем ее естественным отбором и прочим.

Не будет никакого единого стандартизированного AGI родившегося из недр гигантов-монополистов. Будет рынок ИИ-приложений на котором будут появляться новые игроки как грибы после дождя и всё это породит большое многообразие вариантов и типов ИИ в котором эти первые LLM постепенно утонут и растворятся. Будет эволюция разнообразных систем и подходов в ИИ и никакого окончательно устоявшегося единообразия и стандарта не возникнет. Наоборот - область ИИ будет еще более разнообразной и неоднозначной чем все сферы деятельности были раньше.

Что касается вайбкодинга и в целом промптинга - это тоже сойдет как несостоятельное. Оно трансформируется в что-то другое. Но в таком виде как сейчас оно точно не устоится.

Я для себя давно применяю что-то типа "вайбкодинга" - то есть генерация кода. Только понятно это более специализированный код - напрмер я генерю код для GPU потому что писать такой низкоуровневый код вручную очень муторная работа, а я придумал для себя решение когда я описываю на некоем высокоуровневом языке который я сам для себя придумал для этих целей и оно компилируется в низкоуровневый код для GPU. То есть вообще генерация кода - это по сути компиляция. То есть как явление это существует столько сколько существуют компьютеры, это не сегодня возникло. Вопрос лишь в том что менялись языки, становились всё более высокоуровневыми.

Вайбкодинг как его предлагают сейчас - это какая-то извращенная версия компиляции - когда промпт на естественном языке выступает в роли высокоуровневого языка а генерация кода LLM-кой выступает в роли компилятора. Нюанс в том что и естественный язык плох для роли высокоуровневого языка и LLM плоха в роли компилятора - и то и другое не шаг вперед а скорей ухудшение качества. Поэтому в таком виде как сейчас оно не сохранится. Но конечно сама тема автоматизации программирования эволюционировать будет. Скорей всего это будут гибриды старых подходов с нейросетями. Но вряд ли это будет чистое LLM и промптинг на естественном языке.