На вопросе о «глокой куздре, быдланувшей бокрёнка»
Справедливости ради, даже "глупенькая" 4o-mini от OpenAI весьма недурно и, главное, стабильно справляется с морфологическим анализом подобных предложений, специально для неё напридумывал несколько примеров. Даже язык, из которого они были воспроизведены, корректно определяет. Хотя с вашим тезисом про то, что самое интересное нас ещё ждёт впереди, я полностью согласен.
А вот здесь-то и скрывается подвох 😉 Разбираться в базовых принципах работы транзисторов, понимать основы биохимических цепочек, таких как цикл Кребса или механизм окислительного фосфорилирования - это, конечно, полезно и интересно, из этого ещё и можно делать прикладные выводы, тем самым улучшая качество своей жизни. Но углубляться в тысячи тончайших процессов: квантово-механические эффекты в транзисторах, сложные алгоритмы машинных кодов или многослойные метаболические пути - задача неподъёмная для человека, не обладающего профессиональной квалификацией в этой области. Не-специалист в этом разбираться не будет. Да и не сможет. Да и не нужно ему это.
описанная задача решается максимум за 30 минут грамотного "курения" хелпов и форумов
В то время как AI-enhanced программист за эти 30 мин уже выполнит и эту задачу за себя и другую за того парня. И кого предпочтёт рыночек?
Фокус работы программиста сейчас всё больше смещается в сторону софт-скиллов - коллаборативная разработка архитектуры для решений, общение с заказчиками фичей, изобретение высокоуровневых алгоритмов. То, как это будет имплементировано - во многом становится вторичным.
добверять чему-то что до конца не понимаетшь - это трешь
А вы до конца понимаете, например, как работает процессор в вашем смартфоне, чтобы доверять результатам его работы? Или пример вообще из другой области, понимаете устройство метаболизма вашего организма, чтобы принимать решение чем его (себя) сегодня кормить?
Почти наверняка можно утверждать разве что о том, что крупные модели не взлетят и отомрут.
Позвольте поинтересоваться, откуда такая уверенность, что отомрут? Увеличение размера модели (числа параметров) вместе с увеличением обучающей выборки и/или времени обучения на сегодняшний день является единственным гарантированным способом улучшить качество моделей.
Добавьте сюда постоянную работу над оптимизацией алгоритмов обучения/выполнения моделей и повышением энергоэффективности железа - и вот уже у нас модель на триллионы параметров летает как бабочка и жалит как пчела
Так а если прогресс при помощи ИИ ускорить? :) Быть может тогда лет за 20 и доскачем
Справедливости ради, даже "глупенькая" 4o-mini от OpenAI весьма недурно и, главное, стабильно справляется с морфологическим анализом подобных предложений, специально для неё напридумывал несколько примеров. Даже язык, из которого они были воспроизведены, корректно определяет. Хотя с вашим тезисом про то, что самое интересное нас ещё ждёт впереди, я полностью согласен.
А вот здесь-то и скрывается подвох 😉 Разбираться в базовых принципах работы транзисторов, понимать основы биохимических цепочек, таких как цикл Кребса или механизм окислительного фосфорилирования - это, конечно, полезно и интересно, из этого ещё и можно делать прикладные выводы, тем самым улучшая качество своей жизни. Но углубляться в тысячи тончайших процессов: квантово-механические эффекты в транзисторах, сложные алгоритмы машинных кодов или многослойные метаболические пути - задача неподъёмная для человека, не обладающего профессиональной квалификацией в этой области. Не-специалист в этом разбираться не будет. Да и не сможет. Да и не нужно ему это.
Сейчас бы рандомную картинку из интернета в качестве аргумента приводить :)
В то время как AI-enhanced программист за эти 30 мин уже выполнит и эту задачу за себя и другую за того парня. И кого предпочтёт рыночек?
Фокус работы программиста сейчас всё больше смещается в сторону софт-скиллов - коллаборативная разработка архитектуры для решений, общение с заказчиками фичей, изобретение высокоуровневых алгоритмов. То, как это будет имплементировано - во многом становится вторичным.
А вы до конца понимаете, например, как работает процессор в вашем смартфоне, чтобы доверять результатам его работы? Или пример вообще из другой области, понимаете устройство метаболизма вашего организма, чтобы принимать решение чем его (себя) сегодня кормить?
P.s. надеюсь правильно интерпретировал исходную мысль
Позвольте поинтересоваться, откуда такая уверенность, что отомрут? Увеличение размера модели (числа параметров) вместе с увеличением обучающей выборки и/или времени обучения на сегодняшний день является единственным гарантированным способом улучшить качество моделей.
Добавьте сюда постоянную работу над оптимизацией алгоритмов обучения/выполнения моделей и повышением энергоэффективности железа - и вот уже у нас модель на триллионы параметров летает как бабочка
и жалит как пчела