Как раз таки в контексте статьи это инструмент, а не украшение. КДПВ намеренно выглядит "извращением" – ровно потому, что отражает реальность проблемы, а не глянцевую версию "как должно быть". Можно не считать метафору удачной, но это не мусор ради мусора.
Ну и кроме того, раз она привлекла ваше внимание – значит, сработала.
Понимаете, есть разные ситуации. Когда я прошу ИИ слегка отредактировать мой текст и потом сам его перечитываю и правлю – это одно. А когда человек закидывает в ИИ свою переписку с клиентом за несколько дней, просит его сгенерировать баг-репорт и сам не понимает, о чём речь (даже после генерации текста) – это уже совсем другое.
В первом случае ИИ – инструмент. Во втором – замена понимания. Для меня нейрослоп - именно это.
Тут вопрос не в должностях и не в "плевках вниз", а в том, используешь ли ты инструмент осознанно или перекладываешь работу головы на автогенератор.
Это другая книга, которую я начинал писать больше года тому назад. Сейчас она на паузе - я переоценил свои силы - одному человеку охватить все эти темы просто не под силу. Да и планы изменились немного за последнее время. Поэтому я решил начать с более простой, базовой версии - та, что сейчас и на русском.
Первый пример (библиотека PHP-ML) - код обучает классификатор k ближайших соседей (KNN) на наборе точек с метками a и b, а затем определяет, к какому классу относится новая точка. Для точки [3, 2] он возвращает b, потому что её ближайшие соседи принадлежат этому классу.
Во втором примере (библиотека RubixML) код тоже обучает классификатор k ближайших соседей (KNN), но уже на данных роста и веса с метками пола, а затем предсказывает метку для нового человека. Для параметров [172, 68] модель возвращает 'M', так как среди 3 ближайших соседей большинство с этой меткой.
Это очень примитивные примеры и они даны только с образовательной целью - показать пример использования этих библиотек. Если Вы считаете, что их тоже нужно вынести в онлайн примеры сюда: https://aiwithphp.org/books/ai-for-php-developers/examples/home то, да - можно это сделать. Также я более подробно распишу что делает этот код прямо в книге - раз это вызывает дополнительные вопросы.
То есть вы считаете, что программисту не надо объяснять реализацию алгоритмов на языке программирования?
Насчёт тренировки на PHP будет другая статья - в данный момент никто про это не говорит. Хотя на на небольших объёмах данных вполне можно обучать и простенькие модели на PHP.
Далее.
Умение не добавлять лишние инструменты в разработку - часть работы хорошего инженера. PHP уже много лет работает с числами, векторами, статистикой и классификацией. Так зачем добавлять дополнительные инструменты и обертки, если можно запускать модели (обученные) непосредственно в PHP, прямо там, где уже находится ваш веб-код?
Я бы как раз посмотрел на это с другой стороны. PHP-разработчикам может быть проще понять базовые принципы, если примеры и реализации алгоритмов показаны на знакомом им языке. Тогда внимание уходит не на синтаксис, а на сами идеи - затем уже можно реализовывать эту логику на чём угодно и где угодно. Ну и кроме того, - это хороший способ показать, что в PHP тоже есть своя экосистема для ML/AI - об этом я хочу написать следующую статью.
Постараюсь прояснить. Я не обижаюсь ни на Python (я сам на нём программирую), ни на ML-сообщество. Речь не про переписывание алгоритмов или ML на PHP в классическом смысле. Пока нет, во всяком случае (у меня есть что написать на эту тему, но в следующих статьях). Я именно про прикладное использование ML/AI в PHP разработке: API, интеграции, реальные кейсы без глубокого погружения в математику и отдельную ML-инфраструктуру.
Сейчас про это действительно пишут в основном с Python-перспективы, и новичкам в PHP (да и старичками тоже) кажется, что без смены стека вход закрыт (ну, типа, в PHP же ничего нет по этой теме, остаётся только дёргать запросами LLMки) – отсюда и ощущение, о котором я писал. Книга как раз про снижение этого порога. Я лично не хочу, чтобы программист PHP менял стек, когда без этого можно обойтись. Поверьте, это не всегда необходимо, в PHP есть своя, конечно, не такая большая как в Python, но всё же - экосистема по ML/AI - поэтому я и начал писать эту книгу.
Про стиль – принял, спасибо за фидбек, буду править текст, чтобы он звучал менее "нейросеточно".
Спасибо, обязательно продолжу! Буду рад любым замечаниям, комментариям и вообще... Много времени уходит на написание и проверку кода к практическим кейсам. Надеюсь через 1,5-2 месяца в основном книга будет готова.
Сначала поставил в закладки и даже начал читать, но потом убрал. Это статья от ИИ и для ИИ. Идея статьи хорошая, но она не для людей написана. В последнее время на Хабре пошёл тренд - писать мега-статьи длинной в "мега-байты" текста и соответственно восторженные отзывы типа "вау, низкий поклон автору за этот нечеловеческий мега-труд - столько информации в одной статье!"
Извините, но как говорил классик: "Не верю!". Я не стану перечислять признаки, по которым я это определил, слишком уж их много. Это я не потому, что нельзя использовать ИИ для написания статей, это я про другое... Но идея для статьи хорошая.
Возможно да, правильнее сказать - для логирования. Но я вполне использую этот хелпер и для дебага, когда нужно распечатать 3х мерный тензор в тестах и сравнить его с ожидаемым результатом, ну и для всякого рода sanity checks.
Да, в JS для 2-х мерного массива это работает. Но речь идёт о дебаге в PHP , когда просто нужно бросить 2-х мерный массив или объект 3-х мерной матрицы в функцию и посмотреть что там внутри.
Тоже починил, спасибо - в следующий раз обязательно напомню себе проверить текст на орфографические ошибки.
Как раз таки в контексте статьи это инструмент, а не украшение. КДПВ намеренно выглядит "извращением" – ровно потому, что отражает реальность проблемы, а не глянцевую версию "как должно быть". Можно не считать метафору удачной, но это не мусор ради мусора.
Ну и кроме того, раз она привлекла ваше внимание – значит, сработала.
Понимаете, есть разные ситуации.
Когда я прошу ИИ слегка отредактировать мой текст и потом сам его перечитываю и правлю – это одно. А когда человек закидывает в ИИ свою переписку с клиентом за несколько дней, просит его сгенерировать баг-репорт и сам не понимает, о чём речь (даже после генерации текста) – это уже совсем другое.
В первом случае ИИ – инструмент. Во втором – замена понимания. Для меня нейрослоп - именно это.
Тут вопрос не в должностях и не в "плевках вниз", а в том, используешь ли ты инструмент осознанно или перекладываешь работу головы на автогенератор.
Я сначала не понял, а потом как пОнял! (с). Пофиксил, спасибо.
Это был авторский стиль. ;) Переписать?
Не знаю, что тут происходит, но какие-то глюки с комментариями. Если что - это просто тест.
Это другая книга, которую я начинал писать больше года тому назад. Сейчас она на паузе - я переоценил свои силы - одному человеку охватить все эти темы просто не под силу. Да и планы изменились немного за последнее время.
Поэтому я решил начать с более простой, базовой версии - та, что сейчас и на русском.
Пофиксил, спасибо. Вот что значит свежий взгляд со стороны - у меня уже наверное просто глаз "замылился".
Пример пофикшен, можете проверять
https://apphp.gitbook.io/ai-dlya-php-razrabotchikov/vvedenie/ekosistema-ml-v-php#rubix-ml
Хм... я эти примеры у себя запускал и всё работало. Перепроверю сегодня и внесу изменения. Спасибо!
На самом деле всё не так уж и сложно, можете сравнить с реализацией на Python
https://habr.com/ru/articles/801885/
Первый пример (библиотека PHP-ML) - код обучает классификатор k ближайших соседей (KNN) на наборе точек с метками a и b, а затем определяет, к какому классу относится новая точка. Для точки [3, 2] он возвращает b, потому что её ближайшие соседи принадлежат этому классу.
Во втором примере (библиотека RubixML) код тоже обучает классификатор k ближайших соседей (KNN), но уже на данных роста и веса с метками пола, а затем предсказывает метку для нового человека. Для параметров [172, 68] модель возвращает 'M', так как среди 3 ближайших соседей большинство с этой меткой.
Это очень примитивные примеры и они даны только с образовательной целью - показать пример использования этих библиотек. Если Вы считаете, что их тоже нужно вынести в онлайн примеры сюда: https://aiwithphp.org/books/ai-for-php-developers/examples/home
то, да - можно это сделать. Также я более подробно распишу что делает этот код прямо в книге - раз это вызывает дополнительные вопросы.
То есть вы считаете, что программисту не надо объяснять реализацию алгоритмов на языке программирования?
Насчёт тренировки на PHP будет другая статья - в данный момент никто про это не говорит. Хотя на на небольших объёмах данных вполне можно обучать и простенькие модели на PHP.
Далее.
Умение не добавлять лишние инструменты в разработку - часть работы хорошего инженера. PHP уже много лет работает с числами, векторами, статистикой и классификацией. Так зачем добавлять дополнительные инструменты и обертки, если можно запускать модели (обученные) непосредственно в PHP, прямо там, где уже находится ваш веб-код?
Я бы как раз посмотрел на это с другой стороны. PHP-разработчикам может быть проще понять базовые принципы, если примеры и реализации алгоритмов показаны на знакомом им языке. Тогда внимание уходит не на синтаксис, а на сами идеи - затем уже можно реализовывать эту логику на чём угодно и где угодно. Ну и кроме того, - это хороший способ показать, что в PHP тоже есть своя экосистема для ML/AI - об этом я хочу написать следующую статью.
Постараюсь прояснить. Я не обижаюсь ни на Python (я сам на нём программирую), ни на ML-сообщество. Речь не про переписывание алгоритмов или ML на PHP в классическом смысле. Пока нет, во всяком случае (у меня есть что написать на эту тему, но в следующих статьях). Я именно про прикладное использование ML/AI в PHP разработке: API, интеграции, реальные кейсы без глубокого погружения в математику и отдельную ML-инфраструктуру.
Сейчас про это действительно пишут в основном с Python-перспективы, и новичкам в PHP (да и старичками тоже) кажется, что без смены стека вход закрыт (ну, типа, в PHP же ничего нет по этой теме, остаётся только дёргать запросами LLMки) – отсюда и ощущение, о котором я писал. Книга как раз про снижение этого порога. Я лично не хочу, чтобы программист PHP менял стек, когда без этого можно обойтись. Поверьте, это не всегда необходимо, в PHP есть своя, конечно, не такая большая как в Python, но всё же - экосистема по ML/AI - поэтому я и начал писать эту книгу.
Про стиль – принял, спасибо за фидбек, буду править текст, чтобы он звучал менее "нейросеточно".
Спасибо, обязательно продолжу! Буду рад любым замечаниям, комментариям и вообще...
Много времени уходит на написание и проверку кода к практическим кейсам. Надеюсь через 1,5-2 месяца в основном книга будет готова.
Сначала поставил в закладки и даже начал читать, но потом убрал. Это статья от ИИ и для ИИ. Идея статьи хорошая, но она не для людей написана. В последнее время на Хабре пошёл тренд - писать мега-статьи длинной в "мега-байты" текста и соответственно восторженные отзывы типа "вау, низкий поклон автору за этот нечеловеческий мега-труд - столько информации в одной статье!"
Извините, но как говорил классик: "Не верю!". Я не стану перечислять признаки, по которым я это определил, слишком уж их много. Это я не потому, что нельзя использовать ИИ для написания статей, это я про другое... Но идея для статьи хорошая.
Возможно да, правильнее сказать - для логирования. Но я вполне использую этот хелпер и для дебага, когда нужно распечатать 3х мерный тензор в тестах и сравнить его с ожидаемым результатом, ну и для всякого рода sanity checks.
Да, в JS для 2-х мерного массива это работает. Но речь идёт о дебаге в PHP , когда просто нужно бросить 2-х мерный массив или объект 3-х мерной матрицы в функцию и посмотреть что там внутри.