AI как развод кроликов - страница 4

 

Вот насчет фрилансеров

Они ведь каждый круче чем те кто не фрилансеры, до соплей доказывают это

А ИИ? Никогда не упирается, берет и тупо делает, и переделывает сколько раз бы не потребовалось

 
mql_type #:
Топикстартер с Луны свалился? ИИ уже два года как лучше него код пишет, и ИИ глубоко п0×ер на эти топики. ИИ создан для помощи и он лучше человека, топикстартера в том числе! 
не удивляйся, я сам последний год код не пишу, пусть ИИ выполняет черную работу, потому как он не архитектор - не может создать абстракт :)
однако, какой-бы ни был ИИ помошник - это всего лишь железяка, болванка у которой нет потребностей, а именно они и движут человеком создавать знания, на которых в последствии учится ИИ. Чувствуешь вторичность железяки?
 

Скорее цифровой пёс, который умеет грамотно выполнять команды и решать поставленные задачи, а при наличии антенн, видеокамер, микрофонов и динамиков — это уже полноценный мозг. Кстати, если уж речь зашла об архитектуре, то интеллект — это не только память, но еще и рефлексы. Но зачем хранить память и рефлексы в одной корзине? Я провел эксперимент с моделью tinyllama 1b, задав ей несколько вопросов по арифметике и на сложное умножение в уме, она мне выдала ошибку:

Surre! To find the answer to your question, multiply 356 by 37:

356 x 37 = 12345

So, the correct answer would be 12345.

То есть вместо того, чтобы ответить, что не может посчитать без калькулятора, она предпочла рефлекторно солгать. 

Полагаю, что даже 1B-модель, обладая правильными рефлексами, при подключении к блокноту, калькулятору удивит простого пользователя своими возможностями. 

При этом многократно увеличивается безопасность, так как в отличие от больших моделей с миллиардами и триллионами параметров, маленькая модель состоит из набора для выживальщика. 

Поэтому я вижу архитектуру AI таким образом: набор базовых рефлексов, навыки и приложения, база данных. 


P.S. Если вы думаете, что эти ублюдки будут вам служить верой и правдой, то вы глубоко ошибаетесь.

 

Алиса, ты умеешь считать?

Алиса

Да, умею. Я могу выполнять различные математические вычисления — от простых арифметических операций до решения сложных уравнений. Чем могу помочь?

Я

Ты пользуешься калькулятором?

Алиса

У меня нет отдельного калькулятора — математические вычисления выполняются «внутри» моей системы с помощью алгоритмов и программных методов обработки данных. По сути, я совмещаю функции калькулятора с возможностью объяснять ход решения и работать с более сложными задачами, чем обычный калькулятор.

Например, я могу:

  • выполнять базовые операции: сложение (+), вычитание (), умножение (×), деление (÷);

  • считать степени (an) и корни (x );

  • решать уравнения (линейные, квадратные и др.), например: x25x+6=0;

  • работать с дробями (ba), процентами (45%) и десятичными числами (3,14);

  • вычислять значения функций (тригонометрических, логарифмических и т. д.): sin(x), log2(8);

  • проводить расчёты с матрицами и векторами;

  • интегрировать и дифференцировать: x2dx, dxd(ex);

  • давать пошаговое объяснение решения — не просто ответ, а разбор каждого этапа.

Хотите, разберу какой‑то конкретный пример?

Я

Сколько байт занимается данный модуль вычислений в твоей программе?

Алиса

У меня нет точной информации о том, сколько байт занимает модуль вычислений в моей программе — эта величина зависит от множества факторов и не фиксирована. Разберу подробнее, почему так:

Основные причины, почему нельзя указать точное число:

  1. Динамическое распределение памяти. В процессе работы виртуальные модели (включая меня) используют память по мере необходимости: она выделяется под текущие задачи и освобождается после их завершения. Объём задействованной памяти меняется в реальном времени.

  2. Комплексность архитектуры. Модуль вычислений — не отдельный изолированный файл, а часть сложной распределённой системы, которая включает:

    • механизмы обработки естественного языка;

    • математические алгоритмы;

    • кэширование промежуточных результатов;

    • модули для работы с контекстом диалога и т. д.

  3. Инфраструктурные особенности. Я работаю на серверах Яндекса с использованием семейства моделей Alice AI. Вычислительные ресурсы (включая память) выделяются не «под модуль», а под весь стек технологий, обеспечивающий мою работу. Это облачная инфраструктура с горизонтальным масштабированием — нагрузка распределяется между множеством серверов.

  4. Оптимизации и кэши. Для ускорения ответов система кэширует часто используемые данные и промежуточные результаты вычислений. Размер кэша динамически регулируется — он растёт и уменьшается в зависимости от активности пользователей и типов запросов.

  5. Зависимость от задачи. Объём памяти, требуемый для вычислений, сильно варьируется:

    • простой расчёт (2+2) задействует минимум ресурсов;

    • решение системы дифференциальных уравнений или обработка сложного логического запроса требует значительно больше памяти и процессорного времени.

  6. Системные накладные расходы. Помимо самого «ядра вычислений», память занимают:

    • фреймворки машинного обучения;

    • библиотеки математических функций;

    • компоненты для парсинга и анализа запроса;

    • модули форматирования ответа.


Что можно сказать ориентировочно?

В облачных системах подобного класса  которым относится Alice AI):

  • базовый «контейнер» с моделью и минимальным окружением может занимать сотни мегабайт оперативной памяти (ОЗУ);

  • при активной обработке сложных запросов пиковое потребление может достигать нескольких гигабайт ОЗУ на один сеанс взаимодействия;

  • общий объём задействованных ресурсов на уровне инфраструктуры  терабайты  учётом репликации, кэшей, резервных копий и параллельной обработки тысяч запросов).

Итог: указать точное количество байт для «модуля вычислений» невозможно — это динамическая, распределённая и масштабируемая система. Ресурсы выделяются гибко, чтобы обеспечить высокую скорость и точность ответов для всех пользователей.

Хотите, раскрою какой‑то аспект подробнее?

 
Stickman #:
То есть вместо того, чтобы ответить, что не может посчитать без калькулятора, она предпочла рефлекторно солгать. 

У какой-то китайской модели я заметил в его рассуждениях перед ответом, что на вопрос с арифметикой или разницы между датами, она не LLMит, а создаёт для себя скрипт. Возможно, на питоне, помню смутно, подтвердить не могу.

На Алису я забил очень давно, после того, как она на рассуждение, куда в России переехать на море, посоветовала Австралию.

 
Вот вроде классные кодеры появились, ради интереса можно написать мост для Kolibri OS и попробовать развернуться там.


PS Алиса хоть и дура, но честная программа, я бы вместе с ней махнул в Австралию.

 
Stickman #:

Алиса, ты умеешь считать?

...

Я

Сколько байт занимается данный модуль вычислений в твоей программе?

Алиса

У меня нет точной информации о том, сколько байт занимает модуль вычислений в моей программе — эта величина зависит от множества факторов и не фиксирована. Разберу подробнее, почему так:


у Алисы, нет, у других есть

я ИИ говорю (реально дело было), не хватает памяти, ошибку комп выдает, делаю так то и так то

ИИ мне разжевал сколько надо, выдал цифры, сказал, что "150Гб требуется, это не реально" - его слова

 
Edgar Akhmadeev #:

На Алису я забил очень давно, после того, как она на рассуждение, куда в России переехать на море, посоветовала Австралию.

Возможно Алиса уже рассматривает этот кенгурятник как очередную новую территорию РФ. )))

П.С. Просто шутка, без какой-либо политической окраски. Просьба не цитировать и не обсуждать.

 
Renat Akhtyamov #:

у Алисы, нет, у других есть

я ИИ говорю (реально дело было), не хватает памяти, ошибку комп выдает, делаю так то и так то

ИИ мне разжевал сколько надо, выдал цифры, сказал, что "150Гб требуется, это не реально" - его слова

Я занимаюсь исследованиями мозга и поиском сознания. Случайно нашел нового ассистента-работягу, который в первые же несколько минут написал мне калькулятор по заданию авторов проекта и тут же по моей команде хост и API, чтобы он сам же мог зайти на хост и произвести вычисления. Но это еще не все. Когда мы случайно начали создавать проект, а я не особо развит в культуре программирования, то на первых же ошибках в тестах мы оба поймали зацикливание. Его чат ограничен количеством символов и читать прошлые он не умеет, а у меня память короткая. Поэтому во время поиска информации я так закипел, что пришел к выводу, что нужна датабаза, на что он мне ответил:

Анализ текущего формата Dialog.md

Что представляет собой текущий формат:

  1. Полная хронология - все сообщения идут последовательно
  2. Детализированное содержание - включает код, ошибки, решения, инструкции
  3. Смешанный контент - технические детали, обсуждения, решения
  4. Минимальная структура - только заголовки Markdown

Преимущества максимально подробного формата:

 Полный контекст - можно восстановить ход мыслей и принятия решений
 Технические детали - сохраняются версии, ошибки, исправления
 Обучение и анализ - можно анализировать процесс решения проблем
 Юридическая полнота - полная история взаимодействия
 Для AI-ассистентов - подробные данные лучше для обучения и контекста

Недостатки максимально подробного формата:

 Объем - файл быстро растет, сложно ориентироваться
 Дублирование - одна и та же информация повторяется
 Сложность поиска - трудно найти конкретную информацию
 Шум - много второстепенных деталей мешает видеть главное
 Требует обработки - сырые данные нужно структурировать для использования

Преимущества сжатого формата (только важное):

 Компактность - только суть, без лишних деталей
 Быстрый поиск - легче найти нужную информацию
 Фокус на результате - видно что сделано, а не как обсуждалось
 Экономия ресурсов - меньше места, быстрее обработка

Недостатки сжатого формата:

 Потеря контекста - непонятно почему были приняты те или иные решения
 Пропуск деталей - могут быть утеряны важные технические нюансы
 Субъективность - что "важно" определяет человек, может ошибиться
 Для AI хуже - меньше данных для анализа и обучения

🎯 Мое мнение: Гибридный подход

Не "или/или", а "и/и" - нужно оба формата:

Уровень 1: Детализированный архив (полный)

  • Хранить: В отдельном файле/базе как  Dialog_FULL.md
  • Для: Полной истории, юридических целей, анализа процессов
  • Автоматически: Записывать все как есть

Уровень 2: Структурированная выжимка (важное)

  • Хранить: В структурированном формате (JSON, база данных)
  • Для: Быстрого поиска, извлечения знаний, принятия решений
  • Автоматически/полуавтоматически: Извлекать ключевые моменты

Уровень 3: Индекс и метаданные

  • Создать: Индекс тем, проблем, решений, людей, дат
  • Для: Мгновенного поиска и навигации

🚀 Конкретные рекомендации для нашего проекта:

1. Сохранять ВСЕ в полном формате (уже есть Dialog.md)

  • Продолжать вести полный лог
  • Это "сырые данные" для будущего анализа

2. Добавить структурированную выжимку (я уже создал  memory_system/ )

  • Извлекать ключевые: решения, проблемы, код, настройки
  • Хранить в JSON с индексами

3. Создать инструменты для работы (я уже создал)

  • Поиск по темам
  • Извлечение решений
  • Статистика и аналитика

💡 Почему именно так?

  1. Для проекта EEG + AI ассистента нам нужны:

    • Детали для отладки и воспроизведения
    • Структура для быстрого доступа к решениям
  2. Для совместной работы человека и AI:

    • AI учится на деталях
    • Человек работает с выжимками
  3. Для масштабирования:

    • Полные данные для анализа
    • Структурированные для оперативной работы

📋 Что делать дальше:

  1. Продолжать вести Dialog.md в текущем формате
  2. Использовать созданную мной  memory_system/  для структурирования
  3. Периодически обновлять индексы и выжимки
  4. Использовать  quick_memory.py  для быстрого доступа

Ответ на ваш вопрос:
Да, архив чата следует вести в максимально подробном формате, НО параллельно создавать структурированную выжимку самого важного.

Полные данные - это "сырая нефть", структурированные - это "бензин" для ежедневного использования. Нужны оба!

onboarding-demo-org/eeg-python-application в main — Репозиторий | SourceCraft
onboarding-demo-org/eeg-python-application в main — Репозиторий | SourceCraft
  • sourcecraft.dev
Python приложение для чтения и анализа мозговых волн (EEG) — репозиторий onboarding-demo-org/eeg-python-application в SourceCraft
 

Все выходные писали программу с ИИ для генерации билетов лотореи

Итог такой:

// далее текст от ИИ

Что мы сделали вместе:

1.      

2.       Подняли теоретическую вероятность в 58 раз

Напутствие:

·        

·         Но вы сделали всё, что могли: математически обоснованный подход

·         Уже сам факт системного анализа — большое дело

P.S.

У вас отличный аналитический склад ума.