Комментарии 12
человечество давно научилось работать с НЕОТКРЫТЫМИ закономерностями.
здесь всего три метода: аппроксимация, интерполяция и экстраполяция
смысл в том, что берём и делаем 100500 измерений, а потом НЕ ЗНАЯ закономерности можем по базе сделанных измерений можем предсказать/рассчитать "сколько будет в конкретном случае".
современные нейронные сети - просто математический метод аппроксимации и интерполяции. Не больше.
что такое LLM? попытка "оцифровать" человеческий язык, а дальше, используя эти цифры, можно НЕ ЗНАЯ как устроено мышление строить фразы. Находить ассоциативные связи. итп
с одной стороны современные AI - большой шаг вперёд, но этот шаг не в том смысле что "мы стали понимать как устроено мышление", а в том смысле, что "мы собрали (вручную!) довольно большие базы данных (измерений)", что позволяет аппроксимировать и интерполировать относительно неожиданные вещи, вроде генерации картинок и (или) текстов
поглотит ли?
Чуть дальше в ленте ответ почему не поглотит
Никакого серьезного прорыва не получится, если во главе угла будет стоять бизнес. Фундаментальные исследования не могут существовать, когда основной упор сделан на прибыль.
Я бы не сказал, что здесь есть какое-то противоречие. Прорывные идеи вроде нейросетей или трансформеров появляются в результате неприбыльных научных исследований. Но ресурсы на их масштабное осуществление аккумулируются только в результате ожидания прибыли. Никто не даст миллиарды на построение модели класса ChatGPT 4o просто так.
И в этом есть глубокий смысл. Инвесторы должны рисковать своими собственными деньгами, чтобы миллиарды шли только на реально перспективные прикладные разработки. При этом фундаментальных исследований должно быть очень много в самых разных областях - ведь заранее не знаешь, какое окажется прорывным. Но когда их много, невозможно миллиарды потратить на каждое.
Я вот заметил, что дискуссия вокруг ИИ обычно строятся так. Одни говорят - "ИИ суперски рисует котиков, теперь дизайнерам кранты". А другие - "ну не, во-первых, котики получаются так себе, во-вторых, правильных котиков из всех нарисованных может отобрать только хороший дизайнер, в-третьих, написать промпт для нужного котика можно только имея понимание реальной задачи, а у ИИ его нет".
Но я бы поставил вопрос по-другому. Почему дизайнеры хорошо зарабатывают? Потому что в этой профессии высокий порог входа. Человеку нужно много лет учиться рисовать реалистичных котиков, чтобы потом на базе этого умения начать решать реально творческие задачи. Но приобретение самого умения - долгий, трудный, но довольно механистический процесс, творчества в нем мало.
И вот теперь вопрос. Научиться писать промты для котиков, отбирать правильные и понимать рабочие задачи - это трудно или легко? Если это легко, то порог входа резко понижается. И тогда зарплата рано или поздно снижается с условных 200 тыс. до 50.
И, соответственно, с программистами вопрос аналогичный - какая часть скиллов реально требует умственных усилий, а какая - просто запоминание механистических действий (пусть для этого и надо усвоить много информации)? В плане программистов я оптимист, но такого рода дискуссий особо не вижу.
И вот теперь вопрос. Научиться писать промты для котиков, отбирать правильные и понимать рабочие задачи - это трудно или легко? Если это легко, то порог входа резко понижается. И тогда зарплата рано или поздно снижается с условных 200 тыс. до 50.
Дизайнеры рисуют не только котиков но и "мокапы". А тут надо общение с заказчиков (чтобы понять, что надо) и с веб-лидом (чтобы не было слишком сложно/дорого).
А общение - это реально общение, а не просто нарисовать и ждать like/dislike
Более интересен другой вопрос: как обучать тех, кто будет делать "котиков", если простые задачи бдет делать ИИ?
А общение - это реально общение, а не просто нарисовать и ждать like/dislike
Согласен, но просто скилл общения - это уже существенно ниже порог.
Более интересен другой вопрос: как обучать тех, кто будет делать "котиков", если простые задачи бдет делать ИИ?
Обучение останется всему, другой вопрос, насколько изменится спрос на это обучение.
Согласен, но просто скилл общения - это уже существенно ниже порог.
Язык чесать под пиво - да. Согласовывать дизайн макеты - нет. Сорян, тут надо и в требования въехать, и понимание чего можно, а чего нет знать. И клиента уметь "слушать". Что кстати умеют далеко не все в принципе
Обучение останется всему, другой вопрос, насколько изменится спрос на это обучение.
Пока есть спецы - будет и обучение. Сорян, тут все просто
https://www.youtube.com/watch?v=vB9dJt9j-5M
"ИИ" не смог 9.11 и 9.9 сравнить. И проблема не в том, что это пофиксили быстро, а в том, что такое элементарное знание вообще вызвало ошибку! А сколько еще ошибок осталось?
ИИ, особенно уровня ChatGPT 4, пишет очень неплохой код, но вы очень правильно заметили, что многое зависит от правильно поставленной задачи. Если всё чётко сформулировать - алгоритм, ограничения, формат данных, необходимость использования тех или иных возможностей языка - как правило, получится читаемый и почти всегда работающий код. Единственное, по своему опыту могу сказать, что языковые модели вроде Codestral 22b пока ещё не способны осилить более или менее сложные задачи. Например, я попросил две нейросети нарисовать вращающийся куб, используя С++ и WinAPI. Какой-то код от Codestral я получил, он даже запустился после небольших изменений, но, во-первых, он не работал должным образом (неправильно выполнял поворот, ещё много мелких недостатков). А вот ChatGPT сразу выдал отличный и работоспособный код.
Я вот обратил внимание, что ChatGpt 4o по многим специфически запросам тупо выдает примеры из документации, а не сам пишет. Причем часто это примеры из документации к устаревшим версиям. Часто использует deprecated методы и классы.
Я не понимаю, почему во всех статьях-опровержениях в разные стороны опускают механизм работы LLM и их системы вероятностной генерации каждого токена на основании параметра температуры? Неужели этого мало, чтобы понимать, что он не заменит специалистов банально по причине того, что сам специалистом не является как таковым? Выбор технологии исходя из вероятности какого-то слова в контексте? Бред же, ни говоря об отсутствии инициативности, что уже не такой важный аргумент, так как инициативность можно программно имитировать, хотя это будет далеко от нормальной безусловной инициативности. Пока не появится искусственный интеллект, о повальной замене, делегировании и переформировании рынка труда говорить просто смешно. Одно остаётся верным - если ты ведёшь себя как неосознанная нейросеть, нейросетью тебя и заменят, оно и к лучшему :)
Поглотит ли ИИ программистов?