KLIP: ML bublina sice splaskne, ale pro troše štěstí to pak všichni halucinátoři opustěj jako buzzworld a začne se to používat jenom tam, kde to doopravdy dává smysl. Co so budeme povídat, 99% programování je vymejšlení kola a na lepení algoritmů je to skvělý, a místo půl hodiny prolejzání stackoverflow a snažení se pochopit pět ruznejch kusů ruznejch programů, a když tohle za tebe udělá model, dostaneš stejný výsledky za 3% času.

KLIP: zde vice ze siroka .]

Can AI Solve Science?—Stephen Wolfram Writings
https://writings.stephenwolfram.com/2024/03/can-ai-solve-science/

ad llm, symbolicka logika etc.

Wolfram Tools for AI: Computational Intelligence Connections
https://www.wolfram.com/resources/tools-for-AIs/

XCHAOS:
- logika muze implementovat strojove uceni
- strojove uceni nikdy nevyplivne logiku

splinuti bude, ale bude vypadat tak, ze budes mit system postaveny na logice a v ramci toho muzes mit machine learning kterej se bude aplikovat pouze na problemy, kde to bude mit smysl pouzit: chaos, ke kterymu mas spoustu dat. Proste, kdyz hledas neco v nejakym sumu a nevis co.

machine learning ti muze pomoct objevit nejaky mozny pravidla pro system, ktery machine learningem meris, ale je matematicky nemozne, aby ti machine learning samotnej nasel vsechny pravidla, ktery v danym systemu platej, a spravne.

YMLADRIS:
YMLADRIS:
ja fyzice moc nerozumim. Matematicky zakony jsou zalozeny na jasnejch dukazech a ML podle poznatku vypocetni slozitosti (computational complexity) funguje na reseni problemu jen do urcite tridy komplexity.
Takze z myho pohledu cloveka, kterej non-ML AI programuje a ML vyuziva, mi to prijde, jako kdyby Elon rikal, ze stavi stroj, kterej spocita, ze 2 + 2 je 5, a ty ho obhajujes tim, ze kdyz se nekdo snazi udelat neco poprve, tak se vzdycky najdou kritici :D

Machine learning je pouze statistika. Je to learning-by-example. Machine learning samo o sobe se pocitat nikdy nenauci. Musis mu pomoct nejakym logickym systemem, ale pak je otazka, na co potrebujes machine learning, kdyz uz pocitat umis a muzes to spocitat rovnou.

Spis mi prijde, ze jeho zajem neni fact checking, ale vytvorit nastroj, kterej bude moct pouzit pro manipulaci. Protoze machine learning je proof-less a do utrob twitteru nevidis, takze si bude moct delat zasahy a svadet to na AI.

Ona ta ML bublina brzo praskne ;) https://www.youtube.com/watch?v=dDUC-LqVrPU

YMLADRIS: tak Musk se toho groka nesnaží udělat jako první žejo... akorát se mu nelíbily odpovědi, co to první dávalo. Ani druhý až stopatnáctý. Celá tahle společenská halucinace okolo AI, co není AI a všichni si do ní projektujou svý vlhký sny už je dost únavná. Kurva, tak si aspoň nastudujte, co a jak ty dnešní LLM modely dělaj, a přestaňte věřit, že to vyřeší půlku světovejch problémů, pač to nikdy nic podobnýho neumělo a ani nemůže. To není den, kdyby o tom někdo nepolucoval na veřejnosti totálně invalidníma směrama.

YMLADRIS: machine learning je pouze pokrocila statistika, a ta nikdy nebude umet fact checking. fact checking musi byt zalozeno na klasicke logice. ML je vhodne pouzit, kdyz je spousta dat a neni jasne, jake v danem systemu funguji zakonitosti. A z toho fact checking nevykreses. Elonovi ujel vlak a snazi se ho dohnat vetsim vykonem statistickeho stroje. neni na co se tesit, protoze je ML prefoukla bublina

PES: nedrzi kilovolt. Ten se tam pusti az pote, co se propoji obvod, promeri impedance a vyzkousi nabijeni mensim napetim a proudem. To uz davno lidi v ruce nedrzi :)

E2E4: kdyby tvůj cíl bylo vyvíjet AI která umí překonat problém s halucinovanim, udělat fack-check Twitteru je logické. Lidi dají gigawatty své energie do dokumentování jak je to blbě, čímž získávas data kterými učíš. Viz když chceš aby ti někdo na internetu poradil, musíš to nejdřív napsat schválně blbě. Takže toho bych se nebála

Jak ten problém s halucinovanim konkrétně chtějí překonávat to nevím, ale je to pointa xAI - přechod od uspokojování tazatele (co asi tak chce slyšet) k hledání evidence-based a je to zásadní a já se na to těším