Вы все таки не хотите меня понять. Язык и "мышление" современных нейросетей висит в безвоздушном пространстве. Как говорят математики сферический конь в вакууме. :-) Процесс обучения с обратным распространением ошибки способен лишь обобщить опыт и размазать знания по всей сети. Я подскажу на что опираюсь в своих исследованиях. Строится иерархический граф кластеров эмоциональны оценок в виде эмбеддингов латентного слоя как отдельная сеть. Эти состояния являются базовым контуром нейромодуляции основой сети. Тем самым ИИ обретает основу, опору "сферического коня" с мышление и самосознанием. Если ваши исследования не чистая теория, а связаны с практикой и имеют финансовую базу, то мы можем попробовать сотрудничать. Спасибо за ответ и Удачи !
под мягкими обычно понимаются нейровычисления, под жесткими классический логический вывод ИИ в стиле Prolog. Обычные нейросети не вычисляют, а запоминают 2+2. Вычислять могут сети с рассуждениями Reasoning Models. Но они сейчас это делают через одно место, крайне не эффективно, затратно и долго.
все сразу и бесплатно не получится. :-) Интеграция роботов с большими языковыми и визуальными моделями через чат режим уже реализована. Она превращает текстовые команды пользователя в физические действия робота в реальном времени. Есть базовые модели робототехники (Robot Foundation Models — RFMs) и специальный класс моделей VLA (Vision-Language-Action). На самом деле с физикой проблем уже давно нет.
дело в том, что многое из того, о чем говорит автор статьи, уже работает. Нейросети с логическим выводом уже предлагают новые химические соединения, белки, лекарства, помогают в решении сложных систем уравнений, доказательстве теорем. Робототехника продвинулась очень далеко. Свободное, быстрое движение по пересеченной местности, сложный полет с динамическими препятствиями решенные вопросы. Я не пойму в чем потребность изучать физику по видео.
я попытаюсь ответить вам последовательно. Да, настоящие движки физики не совершенны и большинство рассчитано на компьютерные игры, но есть предельно точные симуляторы для специализированных областей, например авионики, ракетной техники, робототехники. В конце концов есть специализированные пакеты моделирования почти всей физики, химии, биологии для суперкомпьютеров. Никакие наблюдения ИИ по видео за физическими процессами в течении миллионов лет на самых мощных GPU не дадут вам такой точности. Да, мир сложен, никто не спорит, но зачем его еще больше усложнять. Скорее всего вам будет нужна вовсе не квантовая и релятивистская физика, а обычная механика, динамика, трение, сопромат, который прекрасно работают.
Точно так же я могу спросить вас, а зачем молоть триллиарды токенов, жечь энергию если большинство законов уже найдено и закодировано человеческими руками.
Да экспертные системы не дали сразу ожидаемого счастья во всех областях знаний, но были и остаются крайне полезны в узких применениях. Например все космические аппараты, марсоходы NASA используют именно версии систем логического вывода, а вовсе не нейросети. Будущее ИИ состоит именно в интеграции мягких и жесткий вычислений.
Я сам физик, прикладной математик, специалист ИИ, но не вижу никакой даже теоретической возможность превратить современное поколение нейросетей в Эйнштейнов как раз по названным в моем первом ответе причинам.
Спасибо за дискуссию и Удачи!
p.s. В качестве подсказки могу предложить использовать LLM, VLM модели как интерфейс работы с движками физики. Насколько я знаю такие работы уже ведутся.
То, что выучить физику просто наблюдая за миром не достаточно, было ясно с самого начала. Физика это в первую очередь эксперимент, активные действия и теория во вторую. Нейросети не могут делать ни того ни другого. Непонятна сама постановка вопроса. Зачем учить физику при помощи наблюдений если есть готовые движки симуляции. Подключай их к сети и работай!
Марку Цукербергу может и удастся относительно безопасно войти в будущее, в вот миллиардам безработных по вине ИИ и массовой роботизации вряд ли. Очень скоро не понадобятся никакие профессии людей. Машины будут делать все лучше и дешевле. Капиталистическая система хозяйствования, построенная на прибавочной стоимости, рухнет и не факт, что коммунистическая доктрина сможет ее заменить.
это понятно. Остановить прогресс не получится но найти социальную форму жизни всего человечества в состоянии тотальной безработицы и безделья будет крайне проблематично, особенно для непоседливого Запада. Я общался с Google AI и мы пришли к единственно возможному положительному варианту развития событий. Люди должны стать младшими партнерами машин в огромной космической экспансии и переустройстве природы вне Земли. Но это слишком фантастический план в нашу смутную эпоху локальных войн и перемен. Спасибо, Удачи!
на самом деле проблема реальна. Уже очень скоро ИИ и тотальная роботизация вышвырнут на улицы абсолютно всех людей. Никакие профессии, навыки, таланты и упорство не будет востребовано экономически. Роботам не надо платить зарплату, премиальные, выходные пособия, с них нельзя брать подоходный и иные налоги. Капиталистическая система просто развалиться. Просто негде будет брать деньги они перестанут быть мерилом труда и благ. Как это предотвратить абсолютно не ясно. Коммунистический Китай скорее всего сможет найти способ распределения благ, но не капитализм. :-/
Интересные рассуждения. Но к уравнениям Ньютона люди пришли только через 10 тыс. лет цивилизации, Через 2.8 миллиона лет появления человека как вида и через 4 миллиарда лет эволюции жизни. Я это к чему? Просто подать на вход трансформера видео бесконечного количества падений мячика на землю не даст уравнений Ньютона. Но почему не использовать в пайплайне восприятия готовые 3D движки физики? Эта проблема давно решена в робототехнике, например в VLA (vision-language-action), «зрение-язык-действие» модель. Есть полностью открытые проекты (OpenVLA — Стэнфорд). Спасибо, Удачи !
Тема важная, но мне кажется, что вы беретесь за нее не с того конца. Ваши рассуждения это попытка строить новую крышу дома не имея надежного фундамента и стен.
Я рассуждаю примерно так: самосознание требует понимания хорошо и плохо для меня лично. Это самый главный механизм всех живых живых существ, начиная с простейших одноклеточных амеб. Они с самого начала имели рецепторы тепла, света, химии, физических прикосновений и встроенные механизмы движений в ответ на раздражения. Это можно рассматривать как самые ранние прообразы чувств положительных и отрицательных эмоций. Далее в ходе эволюции появились многоклеточные, нервная система, нейромедиаторы, отвечающие за чувство страха, тревоги, мотивации. Потом эмоции, неокортекс и наконец самосознание.
Для реализации подобного механизма в искусственных нейросетях нам необходимо изменить самую базовую архитектуру нейрона, добавить аналоги нейромедиаторов и механизм нейромодуляции больших групп нейронов одновременно. Такие модели уже есть и они тестируются учеными разных университетов. Если интересно, я тоже этим занимаюсь.
Интересная статья. Спасибо. Самое первое замечание по поводу накопления ошибок в последовательности стадий восприятия, анализа, планирования и исполнения. На самом деле вопрос решен давным давно при помощи регуляторов с обратными связями. Пайплайн должен быть не статическим, а динамическим. Захват подходит к ручке кружки и видит, что есть небольшая разница положений, пересчитывает кинематику и меняет план действий. Как ракета с головкой самонаведения. Я не вижу большой проблемы ни в теоретической части ни в реализации. Это полностью соответствует и биологическим системам и проверено миллиарды раз технически. Да, разумеется полноценный трансформер с физическим ИИ нужен, но он не обязан быть монолитным. Должны быть уровни иерархии с локальным интеллектом, самостоятельно корректирующим свои ошибки. В этом случае погрешности не будут накапливаться и общая схема станет проще, понятней, быстрей и точней. Ещё раз Спасибо и Удачи!
Какие то слишком уж обходные пути ищутся для понимания смысла происходящего в нейросетях. С моей точки зрения для NLP надо попробовать использовать матричную грамматику. Искать матрицы глагольных трансформаций векторов эмбеддингов сущностей. Например сумма векторов состояния голодного кота и молока умножается на матрицу "есть" сытый_кот = есть*(голодный_кот+молоко). Молоко на выходе исчезает. Нелинейности нейросетей можно реализовать логическими функциями: и, или, нет.
Крутая идея и схема работы. Я нашел CodeGraph самостоятельно, запустил, проверил и только потом увидел ваш пост. В любом случае Большое Спасибо и Удачи! p.s. Да, вектора пригодятся и особенно для работы со сложными фреймворками, пакетами, библиотеками. Вызовы всех функций будет долго проверять логическим путем. Вообще проект немного напоминаем знаменитый дизассемблер IDA Ильфака Гильфанова. С ним идут мощным базы данных всех системных вызовов всех ОС и компиляторов. Скорее всего нечто подобное скоро должно появиться и с CodeGraph.
Люди и есть большие обезьяны, но вместо печатных машинок у них теперь в руках мощные компьютеры, способные заменить миллионы других обезьян с машинками. Почему бы это и не сделать ? Научная, изобретательская интуиция, помогающая сузить поиск вариантов, приходит только с опытом. LLM и людям с начала придется набраться этого опыта. Я спокойно отношусь к брутфорс. Еще в студенчестве предпочитал использовать метод моделирования Монте Карло вместо сложных теоретических расчетов и это часто помогало. Хотя бы в начальных приближения точности. Сам метод обучения с подкреплением и есть обезьяны с машинками. Главное централизованно накапливать, а не терять положительный опыт. Мне кажется в этом есть смысл. Удачи !
Да, действительно LLM не хватает творческих начал, хотя генерировать галлюцинации они большие мастера. Поправить это не сложно. Достаточно самостоятельно генерировать необычные комбинации разных сущностей и действий, запрашивая ИИ проверить их реализуемость и потенциальную пользу. Сущности и взаимодействия можно брать например из лексической базы данных WordNet случайным образом в интересующих исследователя областях. Например запрашивать использование искусственных нейросетей в собаководстве. :-) Я как физик хорошо знаю, что почти все открытия были получены чисто эмпирическим путем при помощи случайных комбинаций предметов, материалов и событий.
Настоящая волна технологической революции на базе искусственного интеллекта и массовой роботизации в корне отличается от всех предыдущих. Ранее снижение физических и умственных затрат выливалось в новые возможности, профессии. Сейчас все клонится к тому, что человечески труд станет экономически не эффективным во всех областях деятельности и новых профессий не появится вообще. Компьютеры и роботы заменят и простого работягу на заводе, в поле, в офисе, а так же ученого, инженера, программиста, технолога, менеджера, экономиста, юриста, .. ВСЕХ! Как быть и что реально останется делать людям не ясно. Рушится все экономическая и социальная модель капитализма!
Очень интересная статья. Я совсем недавно познакомился со скилами и они представляются мне более естественным и обоснованным решением, чем классические запросы с промтами к модели. Не хвост (агент) крутит собакой (моделью), а собака хвостом. Инициатива модели по запуску в нужный момент нужных инструментов верна и может быть легко перенесена в робототехнику, роботам давно пора обзавестись быстрыми мозгами уровня Gemma 4. Большое спасибо, дальнейших успехов и Удачи !
разумеется
Вы все таки не хотите меня понять. Язык и "мышление" современных нейросетей висит в безвоздушном пространстве. Как говорят математики сферический конь в вакууме. :-) Процесс обучения с обратным распространением ошибки способен лишь обобщить опыт и размазать знания по всей сети. Я подскажу на что опираюсь в своих исследованиях. Строится иерархический граф кластеров эмоциональны оценок в виде эмбеддингов латентного слоя как отдельная сеть. Эти состояния являются базовым контуром нейромодуляции основой сети. Тем самым ИИ обретает основу, опору "сферического коня" с мышление и самосознанием. Если ваши исследования не чистая теория, а связаны с практикой и имеют финансовую базу, то мы можем попробовать сотрудничать. Спасибо за ответ и Удачи !
под мягкими обычно понимаются нейровычисления, под жесткими классический логический вывод ИИ в стиле Prolog. Обычные нейросети не вычисляют, а запоминают 2+2. Вычислять могут сети с рассуждениями Reasoning Models. Но они сейчас это делают через одно место, крайне не эффективно, затратно и долго.
все сразу и бесплатно не получится. :-) Интеграция роботов с большими языковыми и визуальными моделями через чат режим уже реализована. Она превращает текстовые команды пользователя в физические действия робота в реальном времени. Есть базовые модели робототехники (Robot Foundation Models — RFMs) и специальный класс моделей VLA (Vision-Language-Action). На самом деле с физикой проблем уже давно нет.
дело в том, что многое из того, о чем говорит автор статьи, уже работает. Нейросети с логическим выводом уже предлагают новые химические соединения, белки, лекарства, помогают в решении сложных систем уравнений, доказательстве теорем. Робототехника продвинулась очень далеко. Свободное, быстрое движение по пересеченной местности, сложный полет с динамическими препятствиями решенные вопросы. Я не пойму в чем потребность изучать физику по видео.
я попытаюсь ответить вам последовательно. Да, настоящие движки физики не совершенны и большинство рассчитано на компьютерные игры, но есть предельно точные симуляторы для специализированных областей, например авионики, ракетной техники, робототехники. В конце концов есть специализированные пакеты моделирования почти всей физики, химии, биологии для суперкомпьютеров. Никакие наблюдения ИИ по видео за физическими процессами в течении миллионов лет на самых мощных GPU не дадут вам такой точности. Да, мир сложен, никто не спорит, но зачем его еще больше усложнять. Скорее всего вам будет нужна вовсе не квантовая и релятивистская физика, а обычная механика, динамика, трение, сопромат, который прекрасно работают.
Точно так же я могу спросить вас, а зачем молоть триллиарды токенов, жечь энергию если большинство законов уже найдено и закодировано человеческими руками.
Да экспертные системы не дали сразу ожидаемого счастья во всех областях знаний, но были и остаются крайне полезны в узких применениях. Например все космические аппараты, марсоходы NASA используют именно версии систем логического вывода, а вовсе не нейросети. Будущее ИИ состоит именно в интеграции мягких и жесткий вычислений.
Я сам физик, прикладной математик, специалист ИИ, но не вижу никакой даже теоретической возможность превратить современное поколение нейросетей в Эйнштейнов как раз по названным в моем первом ответе причинам.
Спасибо за дискуссию и Удачи!
p.s. В качестве подсказки могу предложить использовать LLM, VLM модели как интерфейс работы с движками физики. Насколько я знаю такие работы уже ведутся.
То, что выучить физику просто наблюдая за миром не достаточно, было ясно с самого начала. Физика это в первую очередь эксперимент, активные действия и теория во вторую. Нейросети не могут делать ни того ни другого. Непонятна сама постановка вопроса. Зачем учить физику при помощи наблюдений если есть готовые движки симуляции. Подключай их к сети и работай!
Марку Цукербергу может и удастся относительно безопасно войти в будущее, в вот миллиардам безработных по вине ИИ и массовой роботизации вряд ли. Очень скоро не понадобятся никакие профессии людей. Машины будут делать все лучше и дешевле. Капиталистическая система хозяйствования, построенная на прибавочной стоимости, рухнет и не факт, что коммунистическая доктрина сможет ее заменить.
это понятно. Остановить прогресс не получится но найти социальную форму жизни всего человечества в состоянии тотальной безработицы и безделья будет крайне проблематично, особенно для непоседливого Запада. Я общался с Google AI и мы пришли к единственно возможному положительному варианту развития событий. Люди должны стать младшими партнерами машин в огромной космической экспансии и переустройстве природы вне Земли. Но это слишком фантастический план в нашу смутную эпоху локальных войн и перемен. Спасибо, Удачи!
Китай и "новый строй" меня мало волнуют. Я живу в Чехии и мне важно сохранить тот строй который сейчас есть.
на самом деле проблема реальна. Уже очень скоро ИИ и тотальная роботизация вышвырнут на улицы абсолютно всех людей. Никакие профессии, навыки, таланты и упорство не будет востребовано экономически. Роботам не надо платить зарплату, премиальные, выходные пособия, с них нельзя брать подоходный и иные налоги. Капиталистическая система просто развалиться. Просто негде будет брать деньги они перестанут быть мерилом труда и благ. Как это предотвратить абсолютно не ясно. Коммунистический Китай скорее всего сможет найти способ распределения благ, но не капитализм. :-/
Интересные рассуждения. Но к уравнениям Ньютона люди пришли только через 10 тыс. лет цивилизации, Через 2.8 миллиона лет появления человека как вида и через 4 миллиарда лет эволюции жизни. Я это к чему? Просто подать на вход трансформера видео бесконечного количества падений мячика на землю не даст уравнений Ньютона. Но почему не использовать в пайплайне восприятия готовые 3D движки физики? Эта проблема давно решена в робототехнике, например в VLA (vision-language-action), «зрение-язык-действие» модель. Есть полностью открытые проекты (OpenVLA — Стэнфорд). Спасибо, Удачи !
Тема важная, но мне кажется, что вы беретесь за нее не с того конца. Ваши рассуждения это попытка строить новую крышу дома не имея надежного фундамента и стен.
Я рассуждаю примерно так: самосознание требует понимания хорошо и плохо для меня лично. Это самый главный механизм всех живых живых существ, начиная с простейших одноклеточных амеб. Они с самого начала имели рецепторы тепла, света, химии, физических прикосновений и встроенные механизмы движений в ответ на раздражения. Это можно рассматривать как самые ранние прообразы чувств положительных и отрицательных эмоций. Далее в ходе эволюции появились многоклеточные, нервная система, нейромедиаторы, отвечающие за чувство страха, тревоги, мотивации. Потом эмоции, неокортекс и наконец самосознание.
Для реализации подобного механизма в искусственных нейросетях нам необходимо изменить самую базовую архитектуру нейрона, добавить аналоги нейромедиаторов и механизм нейромодуляции больших групп нейронов одновременно. Такие модели уже есть и они тестируются учеными разных университетов. Если интересно, я тоже этим занимаюсь.
Спасибо за статью и Удачи !
Интересная статья. Спасибо. Самое первое замечание по поводу накопления ошибок в последовательности стадий восприятия, анализа, планирования и исполнения. На самом деле вопрос решен давным давно при помощи регуляторов с обратными связями. Пайплайн должен быть не статическим, а динамическим. Захват подходит к ручке кружки и видит, что есть небольшая разница положений, пересчитывает кинематику и меняет план действий. Как ракета с головкой самонаведения. Я не вижу большой проблемы ни в теоретической части ни в реализации. Это полностью соответствует и биологическим системам и проверено миллиарды раз технически. Да, разумеется полноценный трансформер с физическим ИИ нужен, но он не обязан быть монолитным. Должны быть уровни иерархии с локальным интеллектом, самостоятельно корректирующим свои ошибки. В этом случае погрешности не будут накапливаться и общая схема станет проще, понятней, быстрей и точней. Ещё раз Спасибо и Удачи!
Какие то слишком уж обходные пути ищутся для понимания смысла происходящего в нейросетях. С моей точки зрения для NLP надо попробовать использовать матричную грамматику. Искать матрицы глагольных трансформаций векторов эмбеддингов сущностей. Например сумма векторов состояния голодного кота и молока умножается на матрицу "есть" сытый_кот = есть*(голодный_кот+молоко). Молоко на выходе исчезает. Нелинейности нейросетей можно реализовать логическими функциями: и, или, нет.
Скрытый текст
Крутая идея и схема работы. Я нашел CodeGraph самостоятельно, запустил, проверил и только потом увидел ваш пост. В любом случае Большое Спасибо и Удачи! p.s. Да, вектора пригодятся и особенно для работы со сложными фреймворками, пакетами, библиотеками. Вызовы всех функций будет долго проверять логическим путем. Вообще проект немного напоминаем знаменитый дизассемблер IDA Ильфака Гильфанова. С ним идут мощным базы данных всех системных вызовов всех ОС и компиляторов. Скорее всего нечто подобное скоро должно появиться и с CodeGraph.
Люди и есть большие обезьяны, но вместо печатных машинок у них теперь в руках мощные компьютеры, способные заменить миллионы других обезьян с машинками. Почему бы это и не сделать ? Научная, изобретательская интуиция, помогающая сузить поиск вариантов, приходит только с опытом. LLM и людям с начала придется набраться этого опыта. Я спокойно отношусь к брутфорс. Еще в студенчестве предпочитал использовать метод моделирования Монте Карло вместо сложных теоретических расчетов и это часто помогало. Хотя бы в начальных приближения точности. Сам метод обучения с подкреплением и есть обезьяны с машинками. Главное централизованно накапливать, а не терять положительный опыт. Мне кажется в этом есть смысл. Удачи !
Да, действительно LLM не хватает творческих начал, хотя генерировать галлюцинации они большие мастера. Поправить это не сложно. Достаточно самостоятельно генерировать необычные комбинации разных сущностей и действий, запрашивая ИИ проверить их реализуемость и потенциальную пользу. Сущности и взаимодействия можно брать например из лексической базы данных WordNet случайным образом в интересующих исследователя областях. Например запрашивать использование искусственных нейросетей в собаководстве. :-) Я как физик хорошо знаю, что почти все открытия были получены чисто эмпирическим путем при помощи случайных комбинаций предметов, материалов и событий.
Настоящая волна технологической революции на базе искусственного интеллекта и массовой роботизации в корне отличается от всех предыдущих. Ранее снижение физических и умственных затрат выливалось в новые возможности, профессии. Сейчас все клонится к тому, что человечески труд станет экономически не эффективным во всех областях деятельности и новых профессий не появится вообще. Компьютеры и роботы заменят и простого работягу на заводе, в поле, в офисе, а так же ученого, инженера, программиста, технолога, менеджера, экономиста, юриста, .. ВСЕХ! Как быть и что реально останется делать людям не ясно. Рушится все экономическая и социальная модель капитализма!
Очень интересная статья. Я совсем недавно познакомился со скилами и они представляются мне более естественным и обоснованным решением, чем классические запросы с промтами к модели. Не хвост (агент) крутит собакой (моделью), а собака хвостом. Инициатива модели по запуску в нужный момент нужных инструментов верна и может быть легко перенесена в робототехнику, роботам давно пора обзавестись быстрыми мозгами уровня Gemma 4. Большое спасибо, дальнейших успехов и Удачи !