История изменений

Ну давайте так. Качественный AI должен быть обучен на качественном материале. А с этим большие проблемы. Ну, например, сегодня я искал в тырнете как затащить современный Минт в виндовый домен. Статей масса, половина устаревшие. На статьях категорически нет даты написания. Можно ограничивать поиск по времени, но это во многих случаях отсекает много полезного. Итак, проблема устаревания обучающего массива толком не решена. Далее — достоверность. Мне жаль людей, считающих программы, написанные AI, который учился на стековерфлоу, хорошими.

Далее, качественный AI должен обладать памятью и способностью учиться на своих ошибках, что предполагает постоянную валидацию пользователем ответов AI на свои вопросы. Это требует времени и соответствующей квалификации пользователя. Есть некоторое основание считать, что пользователю, способному валидировать любые ответы, AI не нужен. И даже вреден, ибо отнимает ценное время.

Да, существуют некоторые, скажем по старинке «экспертные системы», способные решать ограниченный класс задач лучше среднего специалиста. Еще лет много назад мне рассказывали, что кто-то научил компьютер хорошо слышать шумы в сердце и компьютер распознавал разные аритмии лучше среднего кардиолога, но всяко хуже опытного врача-аритмолога. Ну некоторые аритмии действительно довольно редки, многие врачи за всю жизнь таких пациентов и не видели. Ну так это было сделано еще до бума машинного обучения, нейросетей с обратным распространением и вот всего этого сейчас.

Далее, у профана AI создаёт иллюзию всезнайства, что подвигает оного профана выдавать незнание за знание, что не способствует ни его развитию, ни повышению интеллектуального уровня общества в целом. Ну и отмирает желание учиться. Потреблять недостоверную информацию становится достаточно.

Единственное, что AI пока делает хорошо, так это всякий машинный перевод, онлайн-подсказки и все вот это прочее. Но тут, КМК, не требуются огромные мощности. С помощью нескольких оффлайн-словарей мои приятели переводчики вполне справляются со своей работой на минимальных скоростях канала или вообще без постоянного соединения с интернетом. А спелл-чекеры еще и. в шестом ворде работали примерно так же. Ну да, я вот пишу этот текст в файерфоксе на ноутбуке, и мне удобно, что ошибочные слова краснеют сразу и корректируются по жмаку по трекпаду. Кстати, слово «жмак» мой спеллчекер не знает. А добавлять лень.

Ну вот как-то так. Основную проблему составляет то, что AI учится на массиве человеческой глупости. Ну и чему он научится?

Ну давайте так. Качественный AI должен быть обучен на качественном материале. А с этим большие проблемы. Ну, например, сегодня я искал в тырнете как затащить современный Минт в виндовый домен. Статей масса, половина устаревшие. На статьях категорически нет даты написания. Можно ограничивать поиск по времени, но это во многих случаях отсекает много полезного. Итак, проблема устаревания обучающего массива толком не решена. Далее — достоверность. Мне жаль людей, считающих программы, написанные AI, который учился на стековерфлоу, хорошими.

Далее, качественный AI должен обладать памятью и способностью учиться на своих ошибках, что предполагает постоянную валидацию пользователем ответов AI на свои вопросы. Это требует времени и соответствующей квалификации пользователя. Есть некоторое основание считать, что пользователю, способному валидировать любые ответы, AI не нужен. И даже вреден, ибо отнимает ценное время.

Да, существуют некоторые, скажем по старинке «экспертные системы», способные решать ограниченный класс задач лучше среднего специалиста. Еще лет много назад мне рассказывали, что кто-то научил компьютер хорошо слышать шумы в сердце и компьютер распознавал разные аритмии лучше среднего кардиолога, но всяко хуже опытного врача-аритмолога. Ну некоторые аритмии действительно довольно редки, многие врачи за всю жизнь таких пациентов и не видели. Ну так это было сделано еще до бума машинного обучения, нейросетей с обратным распространением и вот всего этого сейчас.

Далее, у профана AI создаёт иллюзию всезнайства, что подвигает оного профана выдавать незнание за знание, что не способствует ни его развитию, ни повышению интеллектуального уровня общества в целом.

Единственное, что AI пока делает хорошо, так это всякий машинный перевод, онлайн-подсказки и все вот это прочее. Но тут, КМК, не требуются огромные мощности. С помощью нескольких оффлайн-словарей мои приятели переводчики вполне справляются со своей работой на минимальных скоростях канала или вообще без постоянного соединения с интернетом. А спелл-чекеры еще и. в шестом ворде работали примерно так же. Ну да, я вот пишу этот текст в файерфоксе на ноутбуке, и мне удобно, что ошибочные слова краснеют сразу и корректируются по жмаку по трекпаду. Кстати, слово «жмак» мой спеллчекер не знает. А добавлять лень.

Ну вот как-то так. Основную проблему составляет то, что AI учится на массиве человеческой глупости. Ну и чему он научится?

Ну давайте так. Качественный AI должен быть обучен на качественном материале. А с этим большие проблемы. Ну, например, сегодня я искал в тырнете как затащить современный Минт в виндовый домен. Статей масса, половина устаревшие. На статьях категорически нет даты написания. Можно ограничивать поиск по времени, но это во многих случаях отсекает много полезного. Итак, проблема устаревания обучающего массива толком не решена. Далее — достоверность. Мне жаль людей, считающих программы, написанные AI, который учился на стековерфлоу, хорошими.

Далее, качественный AI должен обладать памятью и способностью учиться на своих ошибках, что предполагает постоянную валидацию пользователем ответов AI на свои вопросы. Это требует времени и соответствующей квалификации пользователя. Есть некоторое основание считать, что пользователю, способному валидировать любые ответы, AI не нужен. И даже вреден, ибо отнимает ценное время.

Да, существуют некоторые, скажем по старинке «экспертные системы», способные решать ограниченный класс задач лучше среднего специалиста. Еще лет много назад мне рассказывали, что кто-то научил компьютер хорошо слышать шумы в сердце и компьютер распознавал разные аритмии лучше среднего кардиолога, но всяко хуже опытного врача-аритмолога. Ну некоторые аритмии действительно довольно редки, многие врачи за всю жизнь таких пациентов и не видели. Ну так это было сделано еще до бума машинного обучения, нейросетей с обратным распространением и вот всего этого сейчас.

Далее, у профана AI создаёт иллюзию всезнайства, что подвигает оного профана выдавать незнание за знание, что не способствует ни его развитию, ни повышению интеллектуального уровня общества в целом.

Единственное, что AI пока делает хорошо, так это всякий машинный перевод, онлайн-подсказки и все вот это прочее. Но тут, КМК, не требуются огромные мощности. С помощью нескольких оффлайн-словарей мои приятели переводчики вполне справляются со своей работой на минимальных скоростях канала или вообще без постоянного соединения с интернетом. А спелл-чекеры еще и. в шестом ворде работали примерно так же. Ну да, я вот пишу этот текст в файерфоксе на ноутбуке, и мне удобно, что ошибочные слова краснеют сразу и корректируются по жмаку по трекпаду. Кстати слова жмак мой спеллчекер не знает. А добавлять лень.

Ну вот как-то так. Основную проблему составляет то, что AI учится на массиве человеческой глупости. Ну и чему он научится?