История изменений

Люди не могут работать хуже ИИ, потому что ИИ буквально обучаются на их работе. То есть ИИ здесь в позиции догоняющего.

Нет конечно. На основе работы людей у нас только класс ИИ с обучением с учителем, но это далеко не все виды ИИ. Да и даже в случае обучения с учителем мы можем учить не на работе людей, а на физическом мире. Например вот научили кое-как ИИ варить стальку по тому как люди её варят (температура, цвет расплава и так далее), а дальше вносим флуктуации в техпроцесс и смотрим на качество стальки. ИИ работает, сталька варится, а результаты меняются и данные для следующей модельки ИИ копятся, которая уже будет варить стальку лучше людей.

Для мешков с мясом не нужно таких больших сопуствующих расходов.

Надо понимать что это временное. Когда-то БЭСМ, к примеру, требовала 80 киловатт в час и давала 8-10 тысяч операций в секунду с памятью в 2048 чисел и точностью чуть лучше половины float-а, т.е. если бы точность была как у float-а (но она была ниже в полтора раза) то там было аж до 10 килофлопсов (сейчас на современном топовом проце (БЭСМ это штучные суперкомпьютеры были) мы говорим о цифрах порядка 10 террафлопсов на операциях с двойной точностью, т.е. 10 000 000 000 000 операций в секунду) и количество операций там далеко не 9 как у БЭСМ, которая могла в 9 000 операций, да и потребление таких компьютеров не 80 000 ватт а 400 ватт. И да, для обслуживания этой БЭСМ надо было кучу народу, об том что её включил и работаешь речи не шло.

Какая-нибудь огромная кампания вроде Яндекса может позволить себе эти расходы, а кто-то помельче просто их не потянет.

Ты дико удивишься, но для обучения кучи моделей для бизнес процессов хватит челика с зп в 150 000 рублей в месяц и аренды вычислительных мощностей в облаке ещё за 150 000 рублей в месяц. Ну или себе на комп ценой в 2-3 ляма раскошелиться если учить планируется постоянно может выйдет дешевле. Если у бизнеса нет таких денег на развитие, то это закусочная дяди Ашота у которого дела идут не очень.

Люди не могут работать хуже ИИ, потому что ИИ буквально обучаются на их работе. То есть ИИ здесь в позиции догоняющего.

Нет конечно. На основе работы людей у нас только класс ИИ с обучением с учителем, но это далеко не все виды ИИ. Да и даже в случае обучения с учителем мы можем учить не на работе людей, а на физическом мире. Например вот научили кое-как ИИ варить стальку по тому как люди её варят (температура, цвет расплава и так далее), а дальше вносим флуктуации в техпроцесс и смотрим на качество стальки. ИИ работает, сталька варится, а результаты меняются и данные для следующей модельки ИИ копятся, которая уже будет варить стальку лучше людей.

Для мешков с мясом не нужно таких больших сопуствующих расходов.

Надо понимать что это временное. Когда-то БЭСМ, к примеру, требовала 80 киловатт в час и давала 8-10 тысяч операций в секунду с памятью в 2048 чисел и точностью чуть лучше половины float-а, т.е. если бы точность была как у float-а (но она была ниже в полтора раза) то там было аж до 10 килофлопсов (сейчас на современном топовом проце (БЭСМ это штучные суперкомпьютеры были) мы говорим о цифрах порядка 10 террафлопсов на операциях с двойной точностью, т.е. 10 000 000 000 000 операций в секунду) и количество операций там далеко не 9 как у БЭСМ, которая могла в 9 000 операций, да и потребление таких компьютеров не 80 000 ватт а 400 ватт.

Какая-нибудь огромная кампания вроде Яндекса может позволить себе эти расходы, а кто-то помельче просто их не потянет.

Ты дико удивишься, но для обучения кучи моделей для бизнес процессов хватит челика с зп в 150 000 рублей в месяц и аренды вычислительных мощностей в облаке ещё за 150 000 рублей в месяц. Ну или себе на комп ценой в 2-3 ляма раскошелиться если учить планируется постоянно может выйдет дешевле. Если у бизнеса нет таких денег на развитие, то это закусочная дяди Ашота у которого дела идут не очень.

Люди не могут работать хуже ИИ, потому что ИИ буквально обучаются на их работе. То есть ИИ здесь в позиции догоняющего.

Нет конечно. На основе работы людей у нас только класс ИИ с обучением с учителем, но это далеко не все виды ИИ. Да и даже в случае обучения с учителем мы можем учить не на работе людей, а на физическом мире. Например вот научили кое-как ИИ варить стальку по тому как люди её варят (температура, цвет расплава и так далее), а дальше вносим флуктуации в техпроцесс и смотрим на качество стальки. ИИ работает, сталька варится, а результаты меняются и данные для следующей модельки ИИ копятся, которая уже будет варить стальку лучше людей.

Для мешков с мясом не нужно таких больших сопуствующих расходов.

Надо понимать что это временное. Когда-то БЭСМ, к примеру, требовала 80 киловатт в час и давала 8-10 тысяч операций в секунду с памятью в 2048 чисел и точностью чуть лучше половины float-а, т.е. если бы точность была как у float-а (но она была ниже в полтора раза) то там было аж до 10 килофлопсов (сейчас на современном топовом проце (БЭСМ это штучные суперкомпьютеры были) мы говорим о цифрах порядка 10 террафлопсов на операциях с двойной точностью, т.е. 10 000 000 000 000 операций в секунду) и количество операций там далеко не 9 как у БЭСМ, которая могла в 9 000 операций, да и потребление таких компьютеров не 80 000 ватт а 400 ватт.

Какая-нибудь огромная кампания вроде Яндекса может позволить себе эти расходы, а кто-то помельче просто их не потянет.

Ты дико удивишься, но для обучения кучи моделей для бизнес процессов хватит челика с зп в 150 000 рублей в месяц и аренды вычислительных мощностей в облаке ещё за 150 000 рублей в месяц. Ну или себе на комп ценой в 2-3 ляма раскошелиться. Если у бизнеса нет таких денег на развитие, то это закусочная дяди Ашота у которого дела идут не очень.