OMNIHASH: to jo, na takovy to bezny programovani (treba generovani webu nebo testu to je skvela pomucka, ale dobre to poradi zpravidla jen s vecma, ktery uz nekdo resil na Stack Overflow (coz je tech 99 % problemu, co programatori resi) :D Kdyz chces neco, co jeste nikdo neresil, tak narazis :D I tak je to dobry jako takovej brainstorming. Obcas z toho vypadnou nesmysly, ktery me privedou na spravny reseni, protoze mi ukaze jak to nedelat :D A nekdy me napadne reseni uz kdyz pisu prompt, protoze si ujasnim, co chci :)

Generativni AI beru jako takovej vylepsenej vyhledavac, kterej ti ale neprozradi, na jaky strance k tem informacim prisel. Dva kroky vpred, jeden zpet :D Mnohem casteji to pouzivam na strucne rychlopreklady, shrnuti textu nebo doplneni diakritiky nez na programovani a kdyz uz, tak to je na jednoduchy veci, ktery bych stejne nasel na Stack Overflow :D Proste kdyz vim, ze k tematu ma data, ze kterejch se mohl naucit, je to pouzitelny.

Jinak treba Github copilota jsem si vypnul. Nektery veci to dava dobre, ale vetsinu casu to musis stejne prepsat a pak kdyz to mas zapnuty, tak se naucis cekat na to, co ti napovi, takze to vlastne zacne brzdit a tim ztratis flow.

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.

YMLADRIS: AI která je evidence based je pěkný cíl, akorát takovou AI nemáme, současné generativní AI zrovna tohle vůbec nedělají.

grok je jen generativní AI (a není zrovna špičková, pořád se jí nepodařilo ani dohnat nejlepší modely, které se navíc dále vyvíjejí). Elon specifický zmínil použití groku pro fact checking, což je nevhodný use case.

to není ten případ jako znovupoužitelné rakety nebo elektromobily, které byly v principu možné vždycky, jen se nepovažovaly za ekonomicky efektivní. .

ano, můžeš říkat že ne, a že Elon určitě nějak naučí současné AI ehm nebýt tím čím jsou.. ale na to se dá argumentovat, že výsledek Elon zatím nemá a že nevidíme, že by se k tomu jakkoliv blížil.

zatím ani nebyl schopen zopakovat to, co dělají současné špičky v oboru, i když k tomu má daleko větší prostředky..

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/

YMLADRIS: To je zavadejici srovnani... princip elektro auta byl vyvinutej v 19. století, prošel nějakým postupným vylepšováním a "že se nebude nikdy používat" si možná pár lidí myslelo ale rozhodně to nebyl mainstreamovej názor. Naopak ta adopce byla tak rychlá protože se na to byli lidi připravený. Znovupoužitelný VTVL rakety co já vím zajistily přistání modulu na měsíci v 69. Že odporují fyzikálním zákonům říkal kdo? NASA určitě ne.


Naprosto zbytečná mýtizace. Nikdo nerozporuje že Tesla i SpaceX posouvají technologii kupředu, ale tenhle mučednickej narativ "utlačovaný vítězí proti nepřejícím" prosím už opusťme.

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