Программирование — это не о том, чтобы учесть ВСЁ, а о том, как найти достаточное решение, которое было бы устойчивым в диапазоне возможных cases и удовлетворяло бы входных требованиям.
Software 1.0 — это когда программист прописывает логику потоков данных.
Software 2.0 — это когда программист готовит data train и выбирает модель машинного обучения, которая генерирует логику потоков данных.
Вы (пмсм) вполне себе заявились на Software 3.0, но так и не рассказали, в чем его суть… ((
Да, конечно, одновременно. Просто есть сомнения, что тот «глубинный» синтаксис, которым пользуется мозг, совпадает с «академическим» синтаксисом, который используется в парсинге. Тут существует простая проверка: взять достаточно сложное предложение и разложить его в «академический» синтаксис — это, часто, не самая простая задача, особенно, если мы анализируем речь, а не литературный язык.
Все-равно современное NLP похоже на поиск под фонарем: ищем там, где светло, а не там, где потеряли. Совершенно же очевидно, что человеческое понимание текстов способно придать смысл любому тексту, так один мой хороший знакомый «переводил» выражение «мэни таймз» как «время — деньги». ))
Если мы вслушаемся в себя и попытаемся понять как мы понимаем речь и ЕЯ тексты, то окажется, что сначала возникает смысл, а уже потом его раскладывание в синтаксис. ПМСМ.
Конечно, впечатляют. Но, опять же, простите, с небольшими оговорками. Нейросети — это довольно широко и неточно, их очень много разных, обычно под «нейросетями» понимают MLP и DL, который является все-таки композицией. Мне представляется, что более правильно говорить об успехах машинного обучения. А уже внутри ML разбираться, что лучше работает — ансамбли или MLP… )))
В перечисленных успехах есть одна небольшая неточность, всё это делают люди, а не нейронные сети. ))) Перечисленные проекты просто демонстрируют, что нейросети — это годный высокоуровневый инструмент. При умелом и грамотном применении которого можно добиваться интересных результатов.
Но если мы серьезно говорим о том, что делают (|| создают, решают, понимают) нейросети, то нужно уточнить, что нейросети умеют только аппроксимировать. На этом их способности заканчиваются…
На мой вкус, для начала нужно понять, что ML почти ни чем не отличается от программирования. Карпатый называет это Software 2.0 и совершенно справедливо. Во-вторых, «животворящей силой» всех ML-моделей является аппроксимация, которую вполне можно считать абстрагированием в пространстве признаков. В-третьих, использование ML показывает, что данный подход эффективнее «человеческого».
Всё это вместе говорит о том, что машинное обучение — это навсегда. И во всём. Как навсегда и во всем существует теплое ламповое Программирование 1.0.
По моему мнению, в рассуждениях директора пропущен один важный интерфейс, один конвертер. Если бы айтишники умели свои навыки напрямую превращать в прибыль, они бы ее делали, не обращаясь за устройством в отделы. А с другой стороны, если бы директора умели решать задачи информатизации, то всё делали бы сами или с помощью нанятых студентов, которым просто отдавали команды. Но такого нет.
Поскольку есть еще один слой — превращение организации труда в деньги и интерпретация огранизационных задач в сервисах корпоративной информационной системы. Это главный интерфейс. И проблемы автора статьи именно в том, что он совершенно не понимает, что этот интерфейс существует и как именно он работает… )))
Разница между социализмом (= феодализмом) и нормальной экономикой в количестве регулирования, а значит, в количестве паразитов и дегенератов (избежавших конкурентной борьбы). К чему это приводит можно посмотреть на примере Венесуэлы. За двадцать лет из процветающей страны сделали бомжатник.
Есть только один способ повышать качество и уменьшать стоимость — конкуренция. Всё.
Software 2.0 — это когда программист готовит data train и выбирает модель машинного обучения, которая генерирует логику потоков данных.
Вы (пмсм) вполне себе заявились на Software 3.0, но так и не рассказали, в чем его суть… ((
Если мы вслушаемся в себя и попытаемся понять как мы понимаем речь и ЕЯ тексты, то окажется, что сначала возникает смысл, а уже потом его раскладывание в синтаксис. ПМСМ.
sannata.org/konkurs/2008/kt0829.shtml
Но если мы серьезно говорим о том, что делают (|| создают, решают, понимают) нейросети, то нужно уточнить, что нейросети умеют только аппроксимировать. На этом их способности заканчиваются…
В этом отличие программирования от феноменологии… )))
Всё это вместе говорит о том, что машинное обучение — это навсегда. И во всём. Как навсегда и во всем существует теплое ламповое Программирование 1.0.
Поскольку есть еще один слой — превращение организации труда в деньги и интерпретация огранизационных задач в сервисах корпоративной информационной системы. Это главный интерфейс. И проблемы автора статьи именно в том, что он совершенно не понимает, что этот интерфейс существует и как именно он работает… )))
Есть только один способ повышать качество и уменьшать стоимость — конкуренция. Всё.