>>6756862> А причем тут твиттер и художники, больной? Ответ на этот вопрос и на вопрос о Медведеве идентичен
Но Кальсон Тарасович, мы ведь уже выяснили, что вы не способны к построению аналогических суждений, так что ответы не идентичны. Разумеется, художники тут при том, что как бедный трудовой народ ведут свои микроблоги сами, и ноют в них насчёт угрозы для профессии со стороны генеративных нейросетей. А твиттер тут при том, что вы в силу технофобии отказываетесь это читать и признавать, что-то побулькивая своим зловонным "смузи с шоколадом" насчёт Академии Художеств.
Так-таки при чём тут Медведев и человек, ведущий его аккаунт?
> Одним из признаков секты, батенька, является сокрытие информации и доступность "секретов" лишь "посвященным"
Известны и секты без эзотерической доктрины. А наличие секретов и уровней доступа характерно для предприятий с интеллектуальной собственностью и ноу-хау, юридических фирм, военных структур и, на самом деле, почти любой человеческой общности, которая работает с информацией. Да что тут далеко ходить – ваша история болезни не доступна для чтения каждому желающему!
Таким образом, закрытость части информации не может быть информативным критерием для определения секты. Это очередной пример того, как в силу вашего недуга вы не способны проводить аналогии (напоминаю: поэтому же вы так жидко обделываетесь от напряжения, втуне пытаясь пройти IQ-тест, и оттого ненавидите IQ-тесты). Посмотрите, скажем, на эту диссертацию, порекомендованную мне Вассерманом Людвигом Иосифовичем, в частности раздел
Нарушения операторов вертикальных отношений (с. 220 и далее). «Весы – специальный инструмент для гангстеров». «Закрытый бета-тест – это признак секты». Так мыслят больные шизофренией.
Не понятна аналогия? Я и не ожидал другого.
> одна нейросеточка с довольно неплохой вероятностью читает мусорные данные как нормальные. но это та нейросеточка попортила вам кальсоны
Кальсоненко, DALL-E 2 ничего не читает, уймитесь со своими домохозяйкиными фантазиями про самоосознающего Электроника. Это просто трансформер текстовых токенов в визуальные. А в копилочку вопросов добавляется ещё один:
почему нейросеть, которая генерирует качественные картинки по искажённому тексту – это фейл нейросетей? Вроде бы фейл – это когда программа не выполняет поставленной задачи, когда по вводу, интерпретируемому человеком как нечто значимое, получается не нужный ему вывод, например по запросу «birds» рисуется каша из пикселей. А когда по запросу «Apoploe vesrreaitais» рисуется птица – это просто интересный случай сюръективности функции.
Можно упростить этот тезис.
Как, по вашему мнению, должен выглядеть Apoploe vesrreaitais? Что бы вам нарисовал человек-художник, например?
> не можете ни уловить общий принцип, ни доказать, что подобного не произойдет с другой нейросетью
Иллюзия обобщения – тоже частый симптом вашего недуга, к сожалению. Я уже сообщал ИТТ о том, что после перехода на большие текстовые модели (Imagen, parti) была решена проблема отображения текста в генерациях, поэтому трешовые статейки про «секретный язык» останутся в прошлом.
> нейросеточки по умолчанию бездоказательны
Эх, у вас обостряется метафизический бред...
> проследить даже на единичную глубину вложенность логики, когда разговор шел о "черных ящиках, выдающих картиночки"
Тут нет никакой вложенности, Кальсоненко. Это плоское рассуждение. Обсуждаемые сети выполняют задачу преобразования вводного сигнала в набор векторов, которые далее используются либо для детерминистического предсказания последовательности (текстовой или визуальной), либо для оценки вероятности заданного набора ярлыков (как в моём тесте). Вы уж весь пол залили, пока бились в истерике насчёт повторяемости результатов. Ну так я вам объясняю, что результаты всегда повторяемы.
> А множитель на ноль - генератор случайных чисел, работающий в обратную сторону.
И ещё одна ошибочная аналогия. Вы сегодня в ударе!
> Именно, батенька!
Ну да. Вывод нейросетей строго детерминистичен, поэтому он воспроизводим, поэтому они поддаются исследованию как чёрные коробки.
У вас остались какие-то вопросы, Кальсоненко? Или вы просто уходите в глубины жалкого отрицания, как с вашими предыдущими конспирологическими теориями про бесконечные легионы студентов, спешно рисующих картинки в фотошопе для обмана лохов и вручную разбирающих Википедию на предикаты? Экая досада, что ваши параноидные симптомы так плохо купируются доступными препаратами...
> Professor of Computer Science, ECE, and Statistics, Duke University
Нормальный такой
argumentum ab auctoritate. А что она сказала-то, кроме пламенных призывов к социальной справедливости? Таки снова прошу пояснить свою перемогу.
> 1800 петафлопс-дней для тренировки AlphaGo Zero
Но никакое число петафлопс-дней не компенсирует слабости традиционных движков, поэтому и говорить не о чем.
Интересно, а вы замечаете, что по вашей же ссылке AlphaZero оказывается в разы дешевле, при этом владеет тремя играми вместо одной? А следующее поколение, MuZero, владеет ещё и набором игр Атари, обучается без знания правил, и превосходит все остальные движки?
In Go, MuZero slightly exceeded the performance of AlphaZero, despite using less computation per node in the search tree.
> На то, больной, что совершенно не обязательно каждый ход брутфорсить проблему, перебирая все возможные ходы
Действительно, exhaustive search – это тупиковый подход. И давно существуют алгоритмы для урезания дерева поиска. Но как известно, Deep Blue просматривал до 200 миллионов позиций в секунду; современные классические движки смотрят порядка 60 миллионов. Тем временем:
Comparing Monte Carlo tree search searches, AlphaZero searches just 80,000 positions per second in chess and 40,000 in shogi, compared to 70 million for Stockfish and 35 million for elmo.Вас не затруднит всё-таки объяснить, почему нейросети настолько эффективнее в сокращении пространства вариантов? А также почему не существует
ни одного сильного классического движка для го? И пожалуйста, не позорьтесь, тряся тут ценниками:
Each program ran on the hardware for which they were designed. Stockfish and Elmo used 44 CPU cores (as in the TCEC world championship), whereas AlphaZero and AlphaGo Zero used a single machine with 4 first-generation TPUs and 44 CPU cores. A first generation TPU is roughly similar in inference speed to commodity hardware such as an NVIDIA Titan V GPU, although the architectures are not directly comparable. Можно уж было бы и наскрести столько железа. Вот, вы ссылались на Cyc какое-то время назад. Неужто им жаль пары десятков тысяч долларов, чтобы показать этим клятым раскольническим нейросетям, где раки зимуют? Ах да, пиар не нужен, секретные военные контракты...
> The 2014 Codecentric Go Challenge, a best-of-five match in an even 19x19 game, was played between Crazy Stone and Franz-Jozef Dickhut (6d). No stronger player had ever before agreed to play a serious competition against a go program
> Franz-Josef Dickhut is a German amateur Go player. His best result at the World Amateur Championship was its fifth rank in 2005**.
> Franz-Jozef Dickhut won
Серьёзно? Аматор
Franz-Jozef Dickhut?Кальсон, у вас истерика или как это следует понимать?
> Действительно, зачем же искусственному интеллекту задачи поиска и оптимизации?
Но как мы постоянно убеждаемся, нейросети решают задачи поиска и оптимизации лучше любых других известных алгоритмов – вот, например, поиска удачных ходов в Го, чтобы размазывать по доске мировых чемпионов, а не проигрывать постаревшему аматору Францу-Иосифу Хуизбушке.
Или задачи поиска объектов в изображении.
Или задачи оптимизации массива пикселей для соответствия семантике высказывания о сцене.
Или задачи поиска третичной структуры белка.
Или задачи оптимизации алгоритма сжатия.
Или задачи поиска последовательности токенов для осмысленного ответа на вопрос, а потом вейвлетов для генерации естественной речи.
Или задачи оптимизации архитектуры чипа или формы плазменного жгута стелларатора.
Или задачи поиска команд для робота, квадрокоптера, автомобиля, корабля, ракеты, авиалайнера, истребителя для оптимизации маршрута по безопасности и выполнению цели.
Или любой другой задачи поиска и оптимизации в богатом многомерном пространстве вариантов, где лучшие результаты принадлежат нейросетям.
Ваши доёбки обычно касаются сугубо академического спорта по нахождению доказуемо оптимальных решений некоторых крохотных искусственных задачек, вроде коммивояжёра на N городов. Это скучное дрочерское убожество ненамного интереснее крестиков-ноликов, морского боя или кроссвордов в газетах, развлечение для шизеющей подсоветской интеллигенции. Во всех индустриальных и научных применениях, где поиск оптимума является NP-тяжёлой задачей, интерес представляет только нахождение решений с требуемой точностью за малое конечное время, и здесь ничего лучше нейросетей не найдено, чему лучший пример опять-таки AlphaFold.
Такие дела, Кальсон Тарасыч.