Форум создателей искусственных интеллектов

Ориентироваться в темноте - это реальная задача, которая возникает для обеспечения жизни. А представления о "времени", "пространстве" и "материи" - это модели (костыли и примитивы), предназначенные для решения этой задачи. Попробуйте поизучать квантовую механику, что ли))

Понимать - это уметь таким образом координировать себя и среду, чтобы решать поставленные задачи и достигать задуманных целей.

Они вообще не стоят 😂

Между ними нет отношения порядка))

Процесс понимания и процесс координации происходят непрерывно, это и есть жизнь, она наполнена взаимодействием с Нечто и рефлексией (поэтому - сознание или сознание - поэтому рефлексия). Координация и понимание существуют всегда и параллельно. Мы можем представлять какие-то модели опережения или отставания, но это будут псевдофилософские спекуляции, не имеющие пользы. Искусство ставить и решать задачи не в том, чтобы из кубиков "Ж", "П", "О", "А" складывать самые правильные формулы комбинаторики "мира")))

А критерием этого всего является результат. Если он есть, значит есть и понимание и координация. Если вместо результатов только набор слов, значит наша цивилизация настолько мягка и добра, что может позволить себе кормить тупых инжевенцев. С приходом LLM их стало больше и будет еще больше. Думаю, где-нибудь в районе 95% от всей популяции.

Эти представления ничем не отличаются о представлений о существовании материальных -- пространства, времени и элементов мира 😂

Ну всё, блять, опять началось выяснение самого правильного набора слов 😂

Вас обманули, Влад, это просто слова)) Просто набор слов. Не имеющий ни к чему никакого отношения. Если это не просто набор слов - покажите какой-нибудь результат)))

Я не очень понял границу проблемной области. Мы занимаемся искусственным интеллектом или строительством в моём воображении разнообразной хуйни?

Если мы занимаемся каким-то абсолютным искусственным интеллектом, то я хотел бы вместо слов видеть промежуточные результаты вашего движения к решению этой задачи. Слова мне не интересны, у меня своих доху@.

Новый клип Би-2

Neuralink показала, как их пациент запускает ИИ-агента мысленной командой. Компания рассказала о 3-х днях, когда ее инженеры провели дома у участника исследования, которому восстанавливают речь при БАС. За это время они собрали несколько функций, делающих общение через имплант удобнее. Самое интересное - это когда их участник мысленно произносит «Hey Neuralink» и называет задачу, а ИИ-агент Grok выполняет ее на компьютере. При этом система считывает попытку говорить, а не произвольные мысли. Компания называет это ранней иллюстрацией того, как рост пропускной способности между мозгом и компьютером сокращает разрыв между мыслью и действием.

Это задачу не нужно решать, она уже решается и довольно успешно. Называется эта область Vision-Language-Action (VLA), вот, например, одна из последних работ: https://arxiv.org/abs/2610.37219 В сообществах, занимающихся моделями типа «зрение-язык-действие» (VLA) и моделями «мир-действие» (WAM), ведутся дискуссии о том, должны ли стратегии управления (control policies) заимствовать предобученные знания из моделей «зрение-язык» или из визуальных генеративных моделей. Однако этот спор объединяет три независимых аспекта: инициализацию базовой архитектуры (backbone), целевую функцию, применяемую к будущим наблюдениям, и вопрос о том, сохраняются ли компоненты, отвечающие за учет будущих состояний, на этапе логического вывода (inference). Таким образом, различие между VLA и WAM нельзя свести к какому-то одному из этих факторов. Мы показываем, что разделение этих аспектов позволяет создать единый подход для обоих типов моделей — Just Action Model (JAM). Он представляет собой предобученную визуальную архитектуру, дополненную модулем принятия решений (action expert) и обученную с использованием функции потерь, основанной как на самих действиях, так и на прогнозировании будущего. В последнем случае признаки текущего наблюдения используются для предсказания зафиксированных (frozen) представлений будущих состояний; при этом вспомогательный блок для прогнозирования отбрасывается после завершения обучения. В результате визуальная генерация не требуется ни на этапе обучения, ни на этапе вывода, а выбор базовой архитектуры остается полностью свободным. Мы сравнили различные целевые функции в рамках фиксированных архитектур стратегий, а затем оценили эффективность подхода с прогнозированием будущего для разных типов базовых моделей. Стратегии JAM превосходят аналогичные модели FastWAM и ImageWAM в задачах LIBERO и LIBERO-Plus, а в RoboTwin показывают сопоставимые или даже более высокие результаты. В частности, по сравнению с FastWAM, JAM повышает показатели успешности с 97,0%/55,3%/91,2% до 98,2%/64,5%/91,4% соответственно. Благодаря использованию кэшированных целевых значений для прогнозирования, JAM сокращает оценочные вычислительные затраты (FLOPs) при онлайн-обучении на 73% по сравнению с FastWAM. Наши результаты демонстрируют, что использование информации о будущем улучшает управление, не требуя при этом визуальной генерации или дополнительных компонентов на этапе вывода. При этом высокая точность прогнозирования достижима как при использовании базовых архитектур, инициализированных на основе генеративных моделей, так и на основе моделей «зрение-язык».

Я так понял, что такой уровень статьи для вас является недостижимым в понимании. Ну ладно, пусть будут "элементы в метрической конфигурации" 😂

Зачем вы это постите, вы же все равно не понимаете, что написано в статье и что вам ответил Дипсик )))

То есть вы уже перестали сами понимать даже то, в чем вы участвуете, а в чем нет? 😂

Похоже вы не в курсе, что Дипсик - это БЯМ и есть, и разносит/разводит он пока только вас 😂 В своей профессиональной деятельности я использую Модели, а не Модели используют меня))

Гилермо Флор пишет: Тезис Sequoia о том, что следующая компания с капитализацией в 1 триллион долларов будет продавать работу, а не программное обеспечение, является наиболее важным переосмыслением в сфере ИИ на данный момент. Аргумент: если вы продаете помощника, вы конкурируете с каждым новым релизом модели. Но если вы продаете результат — закрытые бухгалтерские книги, проверенные контракты, обработанные претензии — каждое улучшение ИИ повышает вашу прибыль, а не делает ваш продукт устаревшим. Ключевой момент, который упускают многие: на каждый доллар, потраченный на программное обеспечение, около 6 долларов тратится на услуги. Вся стратегия SaaS была направлена ​​на привлечение средств, эквивалентных затратам на программное обеспечение. Стратегия ИИ направлена ​​на привлечение средств, эквивалентных затратам на услуги, с учетом прибыли от программного обеспечения. Не «ИИ для бухгалтеров». А «бухгалтерская фирма с ИИ». Не «ИИ для юристов». А «юридическая фирма с ИИ». Компании, которые это поймут, не будут выглядеть как SaaS-компании. Они будут выглядеть как сервисные фирмы, перестроенные на основе программной инфраструктуры. Это принципиально другая компания, которую нужно строить, финансировать и масштабировать. И большинство основателей по-прежнему строят помощников. https://www.theaiopportunities.com/p/sequoia-capital-the-next-1t-company

Не думаю так. Самые простые экономические модели - это термодинамика. Цикл Карно. По завершении - кризис и коррекция. Но сама схема тривиальна: перегрев в одном месте - холодильник в другом. В 1970х возник рынок рабочей силы в Китае, почти бесплатный, в 1990х - рынок Восточной Европы, почти без дна, в 2010х - повесточка и социализм в развитых странах. Под парами лежит Африка. Южная Америка. Никакого дефицита и ухудшения качества не нужно. В РФ - да, именно такая тенденция, но это просто очередной русский застой, который каждые сто лет заканчивается революцией))