тат два вопроса: есть ли эта "достаточность"? И не равно ли "ожидание" вере? Философия сегодня как раз и пытается сначала сформулировать, а затем и ответить на эти вопросы. Не скажу, что сегодня есть всеобщий консенсус в этом. Но сам по себе факт правильно заданного вопроса - это уже начало пути к решению. Именно этим сегодня и занимается философия - формулированием "предельных" вопросов.
А вот возможно ли даже для себя? Вот такая постановка вопроса в Вашем случае может напрашиваться. И тут интересно понять: что тут возможно в таком "зауженном" виде, а что даже здесь -нет.... Можно ли вообще заузить этот контекст? Или бесконечное заживание приведет опять все к тому же коду?....
На счет фразы "Мы люди приземленные, что нам до Гуссерля". Свою задачу как раз и вижу в расширении пространства дискурса. В привлечении внимания к еще одному аспекту фокусу - философскому. Мне кажется это и полезно и сильно добавляет разнообразия. Ну и, конечно, преследую "корыстную" цель - вернуть философию в дискурс вокруг ИИ. :)
Согласен почти со всем. Кроме "полностью". Классический бэкенд - как, по сути, переход к символьной логике, снимает много вопросов. Согласен. На счет учета НСИ - тут сложнее. Во многом зависит от домена и задачи. LLM считать не умеет и остатки лучше вычислять "классическими" методами. Ваш пример - отличная демонстрация гибридного подхода.
Другое дело - семантика. Например, в задачах дедубликации или анализа рекламных объявлений -data mining. По моей практике вероятность ложно положительных и ложно отрицательных выбросов велика. Да, все тот же вероятностный подход может подпортить результат. И тут, конечно, еще от домена зависит. Одно дело, металлургия, где главное не полениться и сделать описания классов. Другое текстиль, где много описательных позиций типа "красное платье в мелкий горошек". Сам занимаюсь этой проблематикой. Python и Postgres - это инструменты, где логику надо реализовывать.
Достижения во многом экспериментальные. Это верно. Но объяснить она может. И как раз философия и дает понимание того, где границы эффективности llm. Т.е. тут все нормально с философией. Ровно для этого я и затеял этот цикл небольших статей. Показать, что философия имеет эту самую предсказательную силу.
Более того, сами же философы ушли со сцены. Добровольно, запершись в своих аудиториях. И Ваш комментарии как раз и подтверждает это. Моя цель вытащить философию из Башни из слоновой кости. Я за синергию наук. И философских и инженерных. Необходимо обогащать обе научные ветви достижениями друг друга.
Кроме того, я не собираюсь говорить, что llm ерунда. Нет конечно. Это отличный инструмент, но как и любой инструмент у него есть свой набор классов задач, где он прекрасен.
Более того, период экспериментов - это естественный процесс. О чем опять же говорит философия. Например, через идеи Куна. :)
Кажется, сегодня они (смыслы) начинают приобретать новое звучание. Это и история с тестами моделей. Это и история с интерпретацией. Например, это случилось на HR-рынке, где во многом бездумное внедрение ИИ привело к обратному эффекту. Попросту сломало рынок найма. Кажеся, что мы в начале нового периода - переосмысления этой проблематики....
хейтить легко, но вот конструктивно поспорить - интересне. Хотелось бы увидеть конструктивную критику. Именно для этого япишу. Мне важно любое мнение: и положительое и отрицательное. И прежде всего - критическое. Без этого сложно корректировать свои идеи.
Статьей я хотел прежде всего показать, что инженерные проблемы неразрывно связаны с социальными, культурными, политическими и т.д. Все в этом мире взаимосвязано.
ммм, в чем же конкретно? Собствеено, прежде всего я хотел показать, что есть еще одна сторона дискурса - философская. И что сегодня в IT мире она сильно недооценена.
Вы совершенно правы. Теорема Геделя говорит о "одстаточно богатых" системах. Так же как и то, что она не относится к субъективной интерпретации и т.д. Все так. Я привел ее в пример для того что бы показать, что формализмов недостаточно для создания систем сильного ИИ. И что, возможно, решение еще вперди. Но сегодня его нет. А значит и говорить о том, что LLM может породить из себя сильный ИИ - не более чем рекламный трюк.
Я не знаю зачем в ФНС сделали это убожество с XML, да еще и нормализовали все как по учебнику. Чем они думали -не знаю. Но вот то, что они для всех создали мега головню боль - это точно. В общем, жуткая непродуманность.
P.S. Понятно, что с Rust можно быстрее, но вот "за минуту" ФИАС - не понятно как. Хотелось бы подробнее - как это? От структуры XML много зависит. Если там мало записей и много полей, и много атрибутов, которые игнорируются - мб.... Но вот что б ФИАС - сомнения меня берут.
Знак присутствует именно в вашей голове и обусловлен ВАШИМ опытом.
Знак далеко не всегда соотносится с реальным миром, есть еще, скажем так, например «мифологическая» составляющая, на которую указывает та же Кристенева в своих работах.
И это является как раз одной из основных проблем.
Не надо вычислять бога с нулем. :) Вот вопрос строгости вызывает у меня беспокойство. То что вы делаете, это, если я правильно понимаю, прикладная задача в условиях ограниченных вычислительных ресурсов. Я нисколько не умаляю ваш подход к решению прикладной задачи медицинского ассистента. Я бы тоже выбрал «строгий», метод. И я думаю, он даст неплохие результаты. Но это частный контекст. И я думаю, что используя ваш движок, можно прийти к решению в других областях. Но возникает несколько вопросов, ответы на которые я не увидел в описании и на которые я указываю в статье как необходимые:
1.Как учитываются ментальности разных групп людей. Поисковый запрос врача и водителя будет разный?
2.Как учитывается омниканальность?
3.Как учитывается эмоциональное состояние и характер вопрошающего?
4.Существуют в рамках вашего движка реализация разных семиотических систем, связанных с разным предыдущим опытом?
5.Допускается ли кардинальная разность выводов?
И тд. Посмотрите мои выводы.
P.S. Еще раз ваш подход абсолютно уместен и правилен при наличии большого ряда ограничений. И он вполне рабочий в прикладном использовании.
Позволю себе поспорить. Во-первых, знаки и образы далеко не всегда имеют соответствия в реальном мире. Во-вторых, точных и непоколебимых нет. Это все очень многослойно, даже " в текущем состоянии конкретного языка". Собственно я об этом и пишу в статье. Это как раз одна из базовых проблем.
тат два вопроса: есть ли эта "достаточность"? И не равно ли "ожидание" вере? Философия сегодня как раз и пытается сначала сформулировать, а затем и ответить на эти вопросы. Не скажу, что сегодня есть всеобщий консенсус в этом. Но сам по себе факт правильно заданного вопроса - это уже начало пути к решению. Именно этим сегодня и занимается философия - формулированием "предельных" вопросов.
А вот возможно ли даже для себя? Вот такая постановка вопроса в Вашем случае может напрашиваться. И тут интересно понять: что тут возможно в таком "зауженном" виде, а что даже здесь -нет.... Можно ли вообще заузить этот контекст? Или бесконечное заживание приведет опять все к тому же коду?....
На счет фразы "Мы люди приземленные, что нам до Гуссерля". Свою задачу как раз и вижу в расширении пространства дискурса. В привлечении внимания к еще одному аспекту фокусу - философскому. Мне кажется это и полезно и сильно добавляет разнообразия. Ну и, конечно, преследую "корыстную" цель - вернуть философию в дискурс вокруг ИИ. :)
Согласен почти со всем. Кроме "полностью". Классический бэкенд - как, по сути, переход к символьной логике, снимает много вопросов. Согласен. На счет учета НСИ - тут сложнее. Во многом зависит от домена и задачи. LLM считать не умеет и остатки лучше вычислять "классическими" методами. Ваш пример - отличная демонстрация гибридного подхода.
Другое дело - семантика. Например, в задачах дедубликации или анализа рекламных объявлений -data mining. По моей практике вероятность ложно положительных и ложно отрицательных выбросов велика. Да, все тот же вероятностный подход может подпортить результат. И тут, конечно, еще от домена зависит. Одно дело, металлургия, где главное не полениться и сделать описания классов. Другое текстиль, где много описательных позиций типа "красное платье в мелкий горошек". Сам занимаюсь этой проблематикой. Python и Postgres - это инструменты, где логику надо реализовывать.
Боюсь, что все сложнее. Тут верно и первое и второе. Почитайте, наример, Хантингтона "Столкновение цивилизаций"
Хорошая тенма для статьи. Напишу и обсудим.
Достижения во многом экспериментальные. Это верно. Но объяснить она может. И как раз философия и дает понимание того, где границы эффективности llm. Т.е. тут все нормально с философией. Ровно для этого я и затеял этот цикл небольших статей. Показать, что философия имеет эту самую предсказательную силу.
Более того, сами же философы ушли со сцены. Добровольно, запершись в своих аудиториях. И Ваш комментарии как раз и подтверждает это. Моя цель вытащить философию из Башни из слоновой кости. Я за синергию наук. И философских и инженерных. Необходимо обогащать обе научные ветви достижениями друг друга.
Кроме того, я не собираюсь говорить, что llm ерунда. Нет конечно. Это отличный инструмент, но как и любой инструмент у него есть свой набор классов задач, где он прекрасен.
Более того, период экспериментов - это естественный процесс. О чем опять же говорит философия. Например, через идеи Куна. :)
Более того, я ожидал такие комментарии. Но все равно решил рискнуть :)
Кажется, сегодня они (смыслы) начинают приобретать новое звучание. Это и история с тестами моделей. Это и история с интерпретацией. Например, это случилось на HR-рынке, где во многом бездумное внедрение ИИ привело к обратному эффекту. Попросту сломало рынок найма. Кажеся, что мы в начале нового периода - переосмысления этой проблематики....
хейтить легко, но вот конструктивно поспорить - интересне. Хотелось бы увидеть конструктивную критику. Именно для этого япишу. Мне важно любое мнение: и положительое и отрицательное. И прежде всего - критическое. Без этого сложно корректировать свои идеи.
Статьей я хотел прежде всего показать, что инженерные проблемы неразрывно связаны с социальными, культурными, политическими и т.д. Все в этом мире взаимосвязано.
ммм, в чем же конкретно? Собствеено, прежде всего я хотел показать, что есть еще одна сторона дискурса - философская. И что сегодня в IT мире она сильно недооценена.
Вы совершенно правы. Теорема Геделя говорит о "одстаточно богатых" системах. Так же как и то, что она не относится к субъективной интерпретации и т.д. Все так. Я привел ее в пример для того что бы показать, что формализмов недостаточно для создания систем сильного ИИ. И что, возможно, решение еще вперди. Но сегодня его нет. А значит и говорить о том, что LLM может породить из себя сильный ИИ - не более чем рекламный трюк.
Я не знаю зачем в ФНС сделали это убожество с XML, да еще и нормализовали все как по учебнику. Чем они думали -не знаю. Но вот то, что они для всех создали мега головню боль - это точно. В общем, жуткая непродуманность.
P.S. Понятно, что с Rust можно быстрее, но вот "за минуту" ФИАС - не понятно как. Хотелось бы подробнее - как это? От структуры XML много зависит. Если там мало записей и много полей, и много атрибутов, которые игнорируются - мб.... Но вот что б ФИАС - сомнения меня берут.
Сильно упрощенный подход, могу ошибаться, но думаю это будет сильно ограничивать развитие вашей модели в будущем.
К сожалению, это не философские дебри.
Знак далеко не всегда соотносится с реальным миром, есть еще, скажем так, например «мифологическая» составляющая, на которую указывает та же Кристенева в своих работах.
И это является как раз одной из основных проблем.
1.Как учитываются ментальности разных групп людей. Поисковый запрос врача и водителя будет разный?
2.Как учитывается омниканальность?
3.Как учитывается эмоциональное состояние и характер вопрошающего?
4.Существуют в рамках вашего движка реализация разных семиотических систем, связанных с разным предыдущим опытом?
5.Допускается ли кардинальная разность выводов?
И тд. Посмотрите мои выводы.
P.S. Еще раз ваш подход абсолютно уместен и правилен при наличии большого ряда ограничений. И он вполне рабочий в прикладном использовании.