Спасибо, отвечу по пунктам и не соглашусь ни по одному.
Я отвергаю обе конструкции как основание для архитектуры субъекта. Blanket — потому что он рисуется наблюдателем извне и не работает как живая граница (раздел 2). Chain — потому что марковское свойство сжимает прошлое в текущее состояние и убивает накопленную траекторию (раздел 4). Это две разные претензии и обе остаются в силе.
Что surprise = -ln§ — да, я знаю. И именно к этому претензия. Логарифм вероятности — это работа наблюдателя со статистикой входов. Живое не оперирует вероятностями относительно своих сенсоров. Живое оперирует доминантой — ведущим напряжением, которое подавляет шум независимо от его статистической значимости (у нас Ухтомский). Это разные онтологии, и одна не сводится к другой.
Теперь по DishBrain. Что показано в эксперименте Kagan et al.: культура нейронов в закрытом контуре с обратной связью стабилизирует сенсорный поток под навязанные правила игры. Это интересный факт о нейронной ткани. Это не доказательство FEP.
Что не показано: — что у культуры есть персистентная идентичность между сессиями — что у неё есть собственная мотивация вне навязанного контура — что она способна отторгать вход, а не только встраивать его — что вне стимуляции она остаётся субъектом
Уберите электрод — культура не пойдёт играть в Pong сама. Дайте противоречивый вход — она встроит, а не отвергнет. Это и есть граница, о которой я пишу: FEP описывает условия, в которых ткань реагирует на навязанный контур. Не более.
И заметьте, что сами авторы DishBrain нигде не утверждают, что подняли субъекта. Они утверждают, что показали обучение без supervised сигнала. Это разные тезисы.
Открытый вызов в конце поста остаётся. Покажите культуру или агента с накопленным характером между сессиями, с собственной мотивацией, с операциональной границей “я”. DishBrain этого не делает. FEP за десять лет этого не сделал. Это и есть диагноз.
Я свою рамку отрабатываю практически, общаться лучше по существу, а не по терминологии.
Почему же, не упрощенно) статистическая граница, отделяющая внутренние состояния от внешних через условную независимость. И я отказываюсь от этой рамки целиком, потому что граница субъекта не статистика. Видео на YouTube не аргумент. Если есть что возразить по разделу 2, пишите по разделу 2.
nda до получения патента, тоже нормальная практика, а проект в стадии активной разработки, следите за обновлениями) п с я прям чувствую, как вы за мной второй день подряд бежите, чтобы сказать, как наш проект вам безразличен)
вообще-то нет, просто сменили имя аккаунта и запинили другой репо) https://github.com/metabolicrussianai?tab=repositories другие репо старые на месте, как легаси) а практика публикации под nda нормальная, ну простите, что коммерческая разработка в опенсорс не идет))
сколько безосновательного яда) ладно, еще раз успехов) регистрация ЭВМ в процессе, только 19 апреля заявку подали. параллельно патент на изобретение на формальной экспертизе.
спасибо, пообщаемся с автором, если будут точки соприкосновения, два из трех тестировали в декабре, актор-критик дает наихудшее поведение, но это лишь наш опыт
в фокусе мы кардинально расходимся, мы проектируем альтернативу трансформерам, мы в начале пути. касательно портфолио - почему-то вы считаете, что ваша обфускация по nda допустима, а моя говорит о недоработках, двойной стандарт, но да ладно - ваше право, желаю вам успеха в разработке!)
мы выкинули все примитивы ml и просто размапили в питоне всю нейрофизиологию для моделирования поведения агента, RLHF нет, бэкпропа нет, функции потерь нет, веса перестраиваются на ходу) интерпретируйте как хотите, возможно, для вас на текущем этапе захода в ML (а вы человек, который только восемь месяцев назад завёл GitHub под ML, у которого в портфолио MNIST и LoRA-туториал, который сам признаётся “currently learning ML”) лобстер кажется вершиной технологической революции, это тоже нормально). А вам обидно наверное просто, мидлов тюнящих ллм тысячи, выделиться нечем) ну не расстраивайтесь, у каждого свой путь)
Забавный эксперимент с генерацией кода в ChatGPT, но вы круто воюете с соломенным чучелом. Вы потратили время на разбор публичной заглушки для бизнес-демонстрации (о чём прямо сказано в первой строке репозитория), игнорируя тот факт, что ядро Metabolic AI закрыто и патентуется. Версия 9.0 на витрине и версия 8.5.1 в закрытом контуре — это нормальная практика разделения публичного концепта и проприетарного движка.
Разница между тем, к чему вы привыкли (Character.AI, RAG), и нашей архитектурой
Character.AI и RAG — это реактивные костыли. Бот существует только в момент вашего промпта. RAG просто ищет семантически похожие куски текста в базе.
Метаболик ИИ — это персистентная система. В нашем закрытом контуре агент (Phoenix 8.5.1 ) обладает непрерывным фоновым процессом (Homeostat). Вектор его внутренних состояний (виртуальные гормоны) вычисляется асинхронно, даже когда к нему никто не обращается, и напрямую модулирует гиперпараметры модели до генерации ответа.
Приоритизация памяти без RAG означает, что вес воспоминания зависит не от совпадения ключевых слов, а от интенсивности сдвига вектора состояния в момент события. Агент помнит то, что вызвало “эмоциональный” отклик, а не то, что чаще встречается в логах.
То, что для вас это звучит как «переусложнённая бессвязная концепция» — абсолютно нормально. В 2017 году концепт Attention Mechanism тоже казался многим «псевдоглубоким».
Продолжайте изучать публичные демки и настраивать агентов для таблиц)
привет, на гитхаб есть в шапке демо метка “PURPOSE : Business-presentation demonstration of Metabolic AI capabilities. All internal computation is encapsulated behind the MetabolicEngine interface. Implementation details are proprietary and not exposed.” И еще чуть ниже "# LOW-LEVEL ENTROPY / DETERMINISM UTILITIES
All state-dependent values are derived from SHA-256 digests so the output
is deterministic for a given seed, yet the derivation is opaque." Дальше по остальным вопросам. Разработали метаболическую коммуникативную модель, решающую проблему stateless-природы LLM. Мы внедрили персистентный слой динамических состояний, который позволяет агенту сохранять консистентную идентичность, управлять приоритизацией памяти без RAG-костылей и проявлять асинхронную инициативу. Текущая версия (8.5 - сильно новее демки) успешно валидирована в закрытом бета-тестировании и находится на стадии патентования.
прошу прощения, я не ожидала, что ваша работа такая сырая, но вопросов много) а на гитхабе есть ссылки на два моих препринта, там формальная теория и концепция метаболического ИИ
в профиле ссылка на гитхаб - там демо код и два препринта. ваши работы уже полистала, свои вопросы оставила под вашей статьей на тему альтернативам трансформерам.
Спасибо, отвечу по пунктам и не соглашусь ни по одному.
Я отвергаю обе конструкции как основание для архитектуры субъекта. Blanket — потому что он рисуется наблюдателем извне и не работает как живая граница (раздел 2). Chain — потому что марковское свойство сжимает прошлое в текущее состояние и убивает накопленную траекторию (раздел 4). Это две разные претензии и обе остаются в силе.
Что surprise = -ln§ — да, я знаю. И именно к этому претензия. Логарифм вероятности — это работа наблюдателя со статистикой входов. Живое не оперирует вероятностями относительно своих сенсоров. Живое оперирует доминантой — ведущим напряжением, которое подавляет шум независимо от его статистической значимости (у нас Ухтомский). Это разные онтологии, и одна не сводится к другой.
Теперь по DishBrain. Что показано в эксперименте Kagan et al.: культура нейронов в закрытом контуре с обратной связью стабилизирует сенсорный поток под навязанные правила игры. Это интересный факт о нейронной ткани. Это не доказательство FEP.
Что не показано: — что у культуры есть персистентная идентичность между сессиями — что у неё есть собственная мотивация вне навязанного контура — что она способна отторгать вход, а не только встраивать его — что вне стимуляции она остаётся субъектом
Уберите электрод — культура не пойдёт играть в Pong сама. Дайте противоречивый вход — она встроит, а не отвергнет. Это и есть граница, о которой я пишу: FEP описывает условия, в которых ткань реагирует на навязанный контур. Не более.
И заметьте, что сами авторы DishBrain нигде не утверждают, что подняли субъекта. Они утверждают, что показали обучение без supervised сигнала. Это разные тезисы.
Открытый вызов в конце поста остаётся. Покажите культуру или агента с накопленным характером между сессиями, с собственной мотивацией, с операциональной границей “я”. DishBrain этого не делает. FEP за десять лет этого не сделал. Это и есть диагноз.
Я свою рамку отрабатываю практически, общаться лучше по существу, а не по терминологии.
Почему же, не упрощенно) статистическая граница, отделяющая внутренние состояния от внешних через условную независимость. И я отказываюсь от этой рамки целиком, потому что граница субъекта не статистика. Видео на YouTube не аргумент. Если есть что возразить по разделу 2, пишите по разделу 2.
привет, в репо добавлю тесты и ссылку на демо декодер как регу на эвм дадут, ссылка есть у меня в профайле. ржач над Россией не оценила, извините
nda до получения патента, тоже нормальная практика, а проект в стадии активной разработки, следите за обновлениями) п с я прям чувствую, как вы за мной второй день подряд бежите, чтобы сказать, как наш проект вам безразличен)
вообще-то нет, просто сменили имя аккаунта и запинили другой репо) https://github.com/metabolicrussianai?tab=repositories другие репо старые на месте, как легаси) а практика публикации под nda нормальная, ну простите, что коммерческая разработка в опенсорс не идет))
Илья, благодарю) ценный фидбек, учтем в следующих материалах!
ну обновить нужно было, все-таки много изменений с последнего релиза произошло, этот - актуальный. обфусцировали последнюю версию
сколько безосновательного яда) ладно, еще раз успехов) регистрация ЭВМ в процессе, только 19 апреля заявку подали. параллельно патент на изобретение на формальной экспертизе.
спасибо, пообщаемся с автором, если будут точки соприкосновения, два из трех тестировали в декабре, актор-критик дает наихудшее поведение, но это лишь наш опыт
в фокусе мы кардинально расходимся, мы проектируем альтернативу трансформерам, мы в начале пути. касательно портфолио - почему-то вы считаете, что ваша обфускация по nda допустима, а моя говорит о недоработках, двойной стандарт, но да ладно - ваше право, желаю вам успеха в разработке!)
мы выкинули все примитивы ml и просто размапили в питоне всю нейрофизиологию для моделирования поведения агента, RLHF нет, бэкпропа нет, функции потерь нет, веса перестраиваются на ходу) интерпретируйте как хотите, возможно, для вас на текущем этапе захода в ML (а вы человек, который только восемь месяцев назад завёл GitHub под ML, у которого в портфолио MNIST и LoRA-туториал, который сам признаётся “currently learning ML”) лобстер кажется вершиной технологической революции, это тоже нормально). А вам обидно наверное просто, мидлов тюнящих ллм тысячи, выделиться нечем) ну не расстраивайтесь, у каждого свой путь)
Забавный эксперимент с генерацией кода в ChatGPT, но вы круто воюете с соломенным чучелом. Вы потратили время на разбор публичной заглушки для бизнес-демонстрации (о чём прямо сказано в первой строке репозитория), игнорируя тот факт, что ядро Metabolic AI закрыто и патентуется. Версия 9.0 на витрине и версия 8.5.1 в закрытом контуре — это нормальная практика разделения публичного концепта и проприетарного движка.
Разница между тем, к чему вы привыкли (Character.AI, RAG), и нашей архитектурой
Character.AI и RAG — это реактивные костыли. Бот существует только в момент вашего промпта. RAG просто ищет семантически похожие куски текста в базе.
Метаболик ИИ — это персистентная система. В нашем закрытом контуре агент (Phoenix 8.5.1 ) обладает непрерывным фоновым процессом (Homeostat). Вектор его внутренних состояний (виртуальные гормоны) вычисляется асинхронно, даже когда к нему никто не обращается, и напрямую модулирует гиперпараметры модели до генерации ответа.
Приоритизация памяти без RAG означает, что вес воспоминания зависит не от совпадения ключевых слов, а от интенсивности сдвига вектора состояния в момент события. Агент помнит то, что вызвало “эмоциональный” отклик, а не то, что чаще встречается в логах.
То, что для вас это звучит как «переусложнённая бессвязная концепция» — абсолютно нормально. В 2017 году концепт Attention Mechanism тоже казался многим «псевдоглубоким».
Продолжайте изучать публичные демки и настраивать агентов для таблиц)
привет, на гитхаб есть в шапке демо метка “PURPOSE : Business-presentation demonstration of Metabolic AI capabilities. All internal computation is encapsulated behind the MetabolicEngine interface. Implementation details are proprietary and not exposed.” И еще чуть ниже "# LOW-LEVEL ENTROPY / DETERMINISM UTILITIES
All state-dependent values are derived from SHA-256 digests so the output
is deterministic for a given seed, yet the derivation is opaque." Дальше по остальным вопросам. Разработали метаболическую коммуникативную модель, решающую проблему stateless-природы LLM. Мы внедрили персистентный слой динамических состояний, который позволяет агенту сохранять консистентную идентичность, управлять приоритизацией памяти без RAG-костылей и проявлять асинхронную инициативу. Текущая версия (8.5 - сильно новее демки) успешно валидирована в закрытом бета-тестировании и находится на стадии патентования.
полностью согласна, комменты писать не мешки ворочать)
вам с пустым портфолио - тоже спорный вопрос, если за два года больше нечего показать хабру, кроме как свои комментарии.
нужны упоминания и дискуссии, такие как с вами)
а у вас вообще его нет)
прошу прощения, я не ожидала, что ваша работа такая сырая, но вопросов много) а на гитхабе есть ссылки на два моих препринта, там формальная теория и концепция метаболического ИИ
в профиле ссылка на гитхаб - там демо код и два препринта. ваши работы уже полистала, свои вопросы оставила под вашей статьей на тему альтернативам трансформерам.
а где можно полистать ваш репо? мой в профиле, а ваш?)