Курсы конкурируют за студента, а значит заинтересованы дать ему наиболее полезные для него знания. Есть ли в учебнике все эти концентрированные и актуальные знания? Заинтересованы ли ВУЗы давать такие же полезные для студента знания? (Почему? А ведь студент готов заплатить.)
Либо мы вернемся к преподавателю-практику.
За рубежом профессор может получить постоянную преподавательскую позицию только если получил международное научное признание, имеет много публикаций, высокий индекс цитируемости. До этого, только временные контракты, необходимость переезжать с семьёй из страны в страну. И многие в конце концов находят стабильную работу не в академии, а в индустрии. (90% получивших PhD до постоянной профессорской (или исследовательской) позиции так и не доходят.)
Так что да, преподаватель должен быть практиком. А иначе получится известное отечественное "кто не умеет, тот учит" :)
Идея хорошая, а развейте, пожалуйста, мысль: в чем может быть соревновательность?
Так как делают многие онлайн-курсы сейчас. В конце нужно делать капстоун-проект. Его сразу можно помещать в качестве портфолио себе куда-то в GitHub. Оценка этих проектов идёт по peer-review, каждый студент должен поставить оценку 2-3 проектам других участников. Можно смотреть, и учиться, на проектах предыдущих запусков курса *. Домашние задания с практическими задачами разной степени сложности по нарастающей, ответы в виде теста. Из оценок домашних заданий и капстоун-проекта формируется рейтинг участников курса.
(* В традиционных ВУЗах от студентов, наоборот, скрывают курсовые предыдущих потоков студентов. Дабы не списали :). А в эпоху ИИ это всё нужно уметь переиспользовать, и делать что-то новое, более продвинутое)
Другой вариант соревновательности - соревнования в области Data Science. Пределу для улучшения качества решений практически нет. Для хороших решений нужен глубокий ресёрч существующих подходов к решению подобных задач. Для очень хороших - исследование идей из свежих научных статей по теме, множество экспериментов. Сейчас подобные исследовательские Data Science соревнования проводятся по широкому кругу научных тематик, везде, где действительно идёт какой-либо научный прогресс. Хорошие state-of-the-art решения можно публиковать в качестве научных статей.
Ещё, более прикладной вариант. Пусть решают с помощью ИИ различные кейсы (задачи, которые возникают в реальной работе), и наполняют ими себе портфолио?
Зачем проектировщику-архитектору условной резидентской многоэтажки знать тонкости и детали того как джамшуты будут ложить кирпич и возводить стены?
Проектировщик в строительной сфере должен вникать в детали. Они реально ездят на объекты и нелитературно ругаются со строителями :). Называется "архитектурный контроль" или "авторский надзор".
Имхо, в этом случае (и в контексте статьи в целом) можно дальше дописать: "Задай юзеру как можно больше вопросов, касающихся деталей реализации. Используй инструмент askQuestion".
Даёт больше понимания, что AI делает, где стоит, а где не стоит переусложнять, и, в целом, возвращает контроль над процессом :)
Нет, в статистике взвешенное ансамблирование повышает качество предсказания даже самой лучшей предсказательной модели. Особенно если прогнозы разных моделей имеют разную природу, не коррелированы (эксперты приносят свою разную экспертизу).
Давно есть adversarial validation. Одна сеть генерирует, а другая угадывает - сгенерировано, или реальное изображение. И так продолжается, пока не удастся сгенерировать изображение, проходящее такой тест.
Ну вот, сделают быстренько (за 5 лет говорят, да?) прорыв в термоядерном синтезе, и все энергозатраты экспоненциально уменьшаться.
Вместо ископаемого топлива перейдем на гораздо более энергоёмкую, и экологически чистую, водичку.
(Но вот только, если это всё будет развиваться действительно экспоненциально быстро, то там, к сожалению, возникает ограничение в виде сценария "Кин-Дза-Дза".)
Вы имеете ввиду, что престарелые олигархи все свои непосильным трудом нажитые богатства будут готовы отдать условному Deepmind за право пожить ещё дополнительные хоть несколько лет? :)
Да, такое перераспределение богатств возможно. Но они быстро закончатся :)
Любая инновация сейчас требует многомиллиардных инвестиций недоступных человеку с паяльником. Просто тоска берет. :-(
Просто нужно было давно переходить на новый уровень абстракций и масштабируемости. Софт позволяет реализовывать гораздо более сложную логику, чем позволяло железо. И эту логику за счёт копирования можно продать в гораздо большем количестве, чем можно было продавать поштучно спаянного железа.
Последние инновации в области ИИ позволяют масштабировать уже даже само создание логики.
Так что именно сейчас, на новом ветке технологический революции (или эволюции?), мы как-раз и наблюдаем уникальные возможности создания коммерчески востребованных инноваций, доступных даже для отдельных "соло-энтерпренёров". :)
У сложных систем с множеством не предсказуемых обратных связей возникают так называемые "эмерджентные свойства". У отдельных элементарных элементов системы этих свойств нет, а у системы в целом - возникают. Также, как нет никакого разума и у отдельного, достаточно простого, нейрона.
"Удивительно, что кто-то считает, будто недавние успехи статистических языковых моделей имеют хоть какое-то отношение к интеллекту или даже к лингвистике"
- Ноам Хомски
Многие считают, что в 95 лет классик не до конца понимает что из себя представляют современные большие языковые модели, не отслеживает актуальные научные работы. Считают, что он судит о LLM по старым n-gram-моделям и не понимает явления обобщающей способности больших языковых моделей.
Существует также понятие эмерджентных свойств сложных систем, наличие у сложных систем свойств, не присущих её компонентам по отдельности. Часто говорят, что примером эмерджентных свойств как раз и является сознание.
Явно не верны его тезисы об отстутсвии вклада открытий в сфере LLM в лингвистику.
Некоторые считают, что, возможно, в такой сознательно провокативной манере он пытается привлечь большее внимание к необходимости работ на стыке глубокого обучения и (психо)лингвистики. (Он известен своей провокативной позицией по многим общественно-политическим вопросам.)
Курсы конкурируют за студента, а значит заинтересованы дать ему наиболее полезные для него знания. Есть ли в учебнике все эти концентрированные и актуальные знания? Заинтересованы ли ВУЗы давать такие же полезные для студента знания? (Почему? А ведь студент готов заплатить.)
За рубежом профессор может получить постоянную преподавательскую позицию только если получил международное научное признание, имеет много публикаций, высокий индекс цитируемости. До этого, только временные контракты, необходимость переезжать с семьёй из страны в страну. И многие в конце концов находят стабильную работу не в академии, а в индустрии. (90% получивших PhD до постоянной профессорской (или исследовательской) позиции так и не доходят.)
Так что да, преподаватель должен быть практиком. А иначе получится известное отечественное "кто не умеет, тот учит" :)
Так как делают многие онлайн-курсы сейчас. В конце нужно делать капстоун-проект. Его сразу можно помещать в качестве портфолио себе куда-то в GitHub. Оценка этих проектов идёт по peer-review, каждый студент должен поставить оценку 2-3 проектам других участников. Можно смотреть, и учиться, на проектах предыдущих запусков курса *. Домашние задания с практическими задачами разной степени сложности по нарастающей, ответы в виде теста. Из оценок домашних заданий и капстоун-проекта формируется рейтинг участников курса.
(* В традиционных ВУЗах от студентов, наоборот, скрывают курсовые предыдущих потоков студентов. Дабы не списали :). А в эпоху ИИ это всё нужно уметь переиспользовать, и делать что-то новое, более продвинутое)
Другой вариант соревновательности - соревнования в области Data Science. Пределу для улучшения качества решений практически нет. Для хороших решений нужен глубокий ресёрч существующих подходов к решению подобных задач. Для очень хороших - исследование идей из свежих научных статей по теме, множество экспериментов. Сейчас подобные исследовательские Data Science соревнования проводятся по широкому кругу научных тематик, везде, где действительно идёт какой-либо научный прогресс. Хорошие state-of-the-art решения можно публиковать в качестве научных статей.
Ещё, более прикладной вариант. Пусть решают с помощью ИИ различные кейсы (задачи, которые возникают в реальной работе), и наполняют ими себе портфолио?
Научить использовать ИИ для продвинутого ресёрча?
Давать соревновательные задания без единственного правильного ответа, которые можно (нужно) решать с помощью ИИ?
Возможно, они не хотят сами решать традиционные задания, так как в эпоху ИИ эти задания уже слишком простые?
Не, уже не успеет. Там уже от таких "Кло Реймеров" не протолкнуться :)
Ещё не упёрлись.
Голодной не умрут. От ничего-не-делания - может быть :)
А остальные, кто захочет, будут заняты "общественно-полезными работами" :)
Цель - выбраться с холодного туманного острова :)
Но закономерность есть - южные народы действительно живут более расслабленно :)
Проектировщик в строительной сфере должен вникать в детали. Они реально ездят на объекты и нелитературно ругаются со строителями :). Называется "архитектурный контроль" или "авторский надзор".
Имхо, в этом случае (и в контексте статьи в целом) можно дальше дописать: "Задай юзеру как можно больше вопросов, касающихся деталей реализации. Используй инструмент askQuestion".
Даёт больше понимания, что AI делает, где стоит, а где не стоит переусложнять, и, в целом, возвращает контроль над процессом :)
Имхо, Вы начинаете с неправильной пресуппозиции. На самом деле люди-с-баблом не дураки. Иначе они давно уже не были бы людьми-с-баблом ))))
Нет, в статистике взвешенное ансамблирование повышает качество предсказания даже самой лучшей предсказательной модели. Особенно если прогнозы разных моделей имеют разную природу, не коррелированы (эксперты приносят свою разную экспертизу).
Давно есть adversarial validation. Одна сеть генерирует, а другая угадывает - сгенерировано, или реальное изображение. И так продолжается, пока не удастся сгенерировать изображение, проходящее такой тест.
Обычно слова "должен", "не должен" подсвечивают моменты, где есть зоны роста для построении более эффективной картины мира :)
Ну вот, сделают быстренько (за 5 лет говорят, да?) прорыв в термоядерном синтезе, и все энергозатраты экспоненциально уменьшаться.
Вместо ископаемого топлива перейдем на гораздо более энергоёмкую, и экологически чистую, водичку.
(Но вот только, если это всё будет развиваться действительно экспоненциально быстро, то там, к сожалению, возникает ограничение в виде сценария "Кин-Дза-Дза".)
Вы имеете ввиду, что престарелые олигархи все свои непосильным трудом нажитые богатства будут готовы отдать условному Deepmind за право пожить ещё дополнительные хоть несколько лет? :)
Да, такое перераспределение богатств возможно. Но они быстро закончатся :)
Просто нужно было давно переходить на новый уровень абстракций и масштабируемости. Софт позволяет реализовывать гораздо более сложную логику, чем позволяло железо. И эту логику за счёт копирования можно продать в гораздо большем количестве, чем можно было продавать поштучно спаянного железа.
Последние инновации в области ИИ позволяют масштабировать уже даже само создание логики.
Так что именно сейчас, на новом ветке технологический революции (или эволюции?), мы как-раз и наблюдаем уникальные возможности создания коммерчески востребованных инноваций, доступных даже для отдельных "соло-энтерпренёров". :)
У сложных систем с множеством не предсказуемых обратных связей возникают так называемые "эмерджентные свойства". У отдельных элементарных элементов системы этих свойств нет, а у системы в целом - возникают. Также, как нет никакого разума и у отдельного, достаточно простого, нейрона.
Люди, которые активно используют сети, например, для вайб-кодинга, этот прогресс чувствуют.
И открытые веса или закрытые - это вопрос не просто лицензии. Это вопрос децентрализации, демонополизации рынка.
Многие считают, что в 95 лет классик не до конца понимает что из себя представляют современные большие языковые модели, не отслеживает актуальные научные работы. Считают, что он судит о LLM по старым n-gram-моделям и не понимает явления обобщающей способности больших языковых моделей.
Существует также понятие эмерджентных свойств сложных систем, наличие у сложных систем свойств, не присущих её компонентам по отдельности. Часто говорят, что примером эмерджентных свойств как раз и является сознание.
Явно не верны его тезисы об отстутсвии вклада открытий в сфере LLM в лингвистику.
Некоторые считают, что, возможно, в такой сознательно провокативной манере он пытается привлечь большее внимание к необходимости работ на стыке глубокого обучения и (психо)лингвистики. (Он известен своей провокативной позицией по многим общественно-политическим вопросам.)