Это не доказывает факт, что модель по исходному запросу понимает, что слово состоит их каких-то там букв и что нужно считать количество нужных букв в слове.
Даже если дать модели инструкцию разбивать слова на отдельные буквы и считать их, она использует эту информацию как дополнительные контекст для генерации ответа. Честный подсчётом букв это всё равно тяжело назвать.
Reddit может быть первым местом, куда тебе стоит пойти, если ты не нашёл решения своей проблемы в других местах Интернета.
При наличии арч-вики, советовать Реддит, как первый источник информации, серьёзно?
P.S. Откуда такая удивительная тяга к написанию статьей про установку Арча (другая статья возрастом 2 месяца). Часто указывают на сложность процесса, но неужели все эти гайды и статьи не помогают?
До GPT рядом с ВУЗами обычно ошивались типы с визитками аля "Пишем рефераты, курсовые и дипломные работы", так что как знать, может эти оболтусы уже среди нас
А если смотреть в целом, некоторые действия так или иначе делегировали инструментам (которые, конечно же, проверили, чтобы они были безопасны как для врача, так и для пациента). Так что дело времени, когда железный болван будет сверлить зубы.
P.S. Наиболее интересный вопрос появляется с зубодёром. Я, вероятно, выбрал бы человека
Искусственный интеллект (AI, он же ИИ) прочно вошел в нашу жизнь.
Прошу прощения, но примеры в статье не достаточно убедительные, чтобы заявлять, что ИИ среди нас и активно наносит добро и причиняет благо. Генеративные модели - да, чат-боты с контентной базой для ведения беседы - да, настоящий ИИ - сомневаюсь.
К сожалению, инфраструктура проблему, скорее всего, не решит. Адекватные само/вело-ездоки создают минимум проблем сейчас и, вероятно, могли бы мигрировать на отдельные дорожки. А вот подростки в количестве 2-3х тел на одном самокате будут также рассекать тротуары и толпы людей
Всё верно. К сожалению, автор решил показать "удобство" моржового оператора и, в то же время, отклонился от начальных условий к примерам. Такая же ситуация с примером 6 (All | Any)
>>> with open("./words.txt", "r") as file:
... while line := file.readline().rstrip():
... print(line)
...
foo
bar
>>> with open("./words.txt", "r") as file:
... for line in file.readlines():
... print(line.rstrip())
...
foo
bar
baz
В примере 2 (чтение строк из файла), реализация через моржовый оператор завершает чтение на первой пустой строке
Хорошие специалисты по рекламе и продажам, также могут зарабатывать больше, чем средняя ЗП в IT.
Если сравнивать ЗП хорошего специалиста в whatever сфере и среднюю ЗП в IT, то, конечно, мы сможем найти таких людей. А если сравнивать среднюю ЗП (или даже медианную) для обоих сторон, то мы можем увидеть некоторую разницу, которая может быть далеко не в пользу whatever сферы
Мои родители инженеры микроэлектронной техники, мой младший брат ML-разработчик уровня lead, друзья — системные и бизнес-аналитики. А я — гуманитарий. [...] В какой-то момент я понял, что так больше не может продолжаться и решил в свои тогда ещё 34 года «залететь в ИТ».
Но можно рассматривать тест Тьюринга шире. Пусть это будут не просто ответы на вопросы, а любое удаленное взаимодействие.
Любопытства ради, как изменится такое взаимодействие, если поменять человека и LLM местами? Таким образом LLM будет активным инициатором и будет направлять беседу в зависимости от того, что ей отвечает человек.
Не иначе, как от скуки // sarcasm
Прям как %someGPT% ранних версий, утверждающий, что сгенерированный им неправильный ответ на самом деле правильный
А в детских садах уже не готовят детей к школе в +/- игровой форме с возможностью поактивничать в свободное время?
Или проклятие, несмотря на все светлые моменты.
А вы пробовали устать в процессе? А упасть без задних ног? /s
Это не доказывает факт, что модель по исходному запросу понимает, что слово состоит их каких-то там букв и что нужно считать количество нужных букв в слове.
Даже если дать модели инструкцию разбивать слова на отдельные буквы и считать их, она использует эту информацию как дополнительные контекст для генерации ответа. Честный подсчётом букв это всё равно тяжело назвать.
При наличии арч-вики, советовать Реддит, как первый источник информации, серьёзно?
P.S. Откуда такая удивительная тяга к написанию статьей про установку Арча (другая статья возрастом 2 месяца). Часто указывают на сложность процесса, но неужели все эти гайды и статьи не помогают?
До GPT рядом с ВУЗами обычно ошивались типы с визитками аля "Пишем рефераты, курсовые и дипломные работы", так что как знать, может эти оболтусы уже среди нас
Некоторые не готовы, чтобы им зубы лечил человек.
А если смотреть в целом, некоторые действия так или иначе делегировали инструментам (которые, конечно же, проверили, чтобы они были безопасны как для врача, так и для пациента). Так что дело времени, когда железный болван будет сверлить зубы.
P.S. Наиболее интересный вопрос появляется с зубодёром. Я, вероятно, выбрал бы человека
Прошу прощения, но примеры в статье не достаточно убедительные, чтобы заявлять, что ИИ среди нас и активно наносит добро и причиняет благо. Генеративные модели - да, чат-боты с контентной базой для ведения беседы - да, настоящий ИИ - сомневаюсь.
К сожалению, инфраструктура проблему, скорее всего, не решит. Адекватные само/вело-ездоки создают минимум проблем сейчас и, вероятно, могли бы мигрировать на отдельные дорожки. А вот подростки в количестве 2-3х тел на одном самокате будут также рассекать тротуары и толпы людей
Всё верно. К сожалению, автор решил показать "удобство" моржового оператора и, в то же время, отклонился от начальных условий к примерам. Такая же ситуация с примером 6 (All | Any)
В примере 2 (чтение строк из файла), реализация через моржовый оператор завершает чтение на первой пустой строке
Если сравнивать ЗП хорошего специалиста в whatever сфере и среднюю ЗП в IT, то, конечно, мы сможем найти таких людей. А если сравнивать среднюю ЗП (или даже медианную) для обоих сторон, то мы можем увидеть некоторую разницу, которая может быть далеко не в пользу whatever сферы
Скорее поэтому:
Все побежали
Это ведь чисто совпадение и второе никак не следует из первого? (:
А тимлидами стали? Задачи делегировать начали?
Где там этот эффект?
Сначала мы пишем много тестов.
Затем замечаем, что их много и начинаем их ускорять
Пишем моки, чтобы избежать долгих запросов к различным сервисам.
Проходит время и API этих сервисов меняется, мы запускаем тесты, видим, какое всё зелёненькое и катимся в прод. Прод падает. Правим моки и чиним код.
У меня когда-то давно была похожая ситуация, код изменился, а моки мокали. Пришлось в срочном порядке чинить всё, что упало. Аккуратнее с моками
На что только человек не идёт, лишь бы выкроить себе немного времени для не работы /sarcasm
Любопытства ради, как изменится такое взаимодействие, если поменять человека и LLM местами? Таким образом LLM будет активным инициатором и будет направлять беседу в зависимости от того, что ей отвечает человек.