@JamesJoyce: W innych tematach narzekałeś na ludzi którzy kłamią w cv - tu masz odwrotny przykład - człowieka co jest za szczery. Kto lepiej wyjdzie? Mitoman co nakłamie w cv czy huop który robi takie zbyt szczerze wysrywy? Życie jest brutalne.
Życie jest brutalne, ale to nie usprawiedliwia niemoralnych zachowań.
IT jest jako system zachęca do mitomanii i ją wynagradza a karze uczciwość.
Ta mitomania jest szerzej zakrojona bo nieraz słyszałem jak SH sprzedawały juniorów/midów jako seniorów klientom czy przykład z życia - kontraktownia załatwiała kucowi pracę na dwa etaty nie informując o tym klientów że kuc nie pracuje na cały etat a ściągając za niego full price
Anthropic puścił swojego Claude Opus 4.6 na kod Firefoksa. W dwa tygodnie AI znalazł 22 CVE (14 wysokiego ryzyka) + 90 innych bugów, których tradycyjny fuzzing nie wyłapał. Wszystkie załatane przed Firefox 148. AI jako audytor bezpieczeństwa to przyszłość.
Oracle ma zwolnić kilka tysięcy pracowników. Redukcje zatrudnienia mają pomóc w finansowaniu ogromnego programu inwestycyjnego. Firma przygotowuje się do budowy kolejnych centrów danych przeznaczonych dla usług sztucznej inteligencji i się zadłuża coraz bardziej. Inwestorzy są zaniepokojeni.
@moj_wykopowy_login: nie, ale mam do czuynienia z dziesiatkami takich osob jak Ty. Ty mi mowisz o jakiejs fantastyce a ja robie AI 10 lat. I juz czesto robie end to end projekty sam, grajac na pleju przy tym. Wroc do tego posta za 2 lata.
Bo uczenie maszynowe to kontekst. Sednem jest to ze, ten paper rozwiązuje problem modeli sekwencja-do-sekwencji, które wtedy opierały się głównie na RNN i LSTM. Te architektury miały fundamentalne wady: przetwarzały dane sekwencyjnie (wolno, trudno zrównoleglić) i słabo radziły sobie z długimi zależnościami w tekście. Autorzy zaproponowali architekturę Transformer, opartą w całości na mechanizmie self-attention każde słowo w sekwencji może bezpośrednio "patrzeć" na każde inne słowo, niezależnie od odległości. Żadnych
@moj_wykopowy_login: Moze byc McKensey? "AI is a machine’s ability to perform the cognitive functions we associate with human minds, such as perceiving, reasoning, learning, interacting with the environment, problem-solving, and even exercising creativity. You’ve probably interacted with AI even if you don’t realize it—voice assistants like Siri and Alexa are founded on AI technology, as are some customer service chatbots that pop up to help you navigate websites"
@moj_wykopowy_login: Ksiazki maja notatniki do pobrania. Zdjecia. I wiele, wiele innych rzeczy. Bez wiedzy teoretycznej praktyka to ruletka, ktora niczego nie uczy.
@Pbr: Ty z pewnoscia nie wiesz jak dzialaja llmy. Zwlaszcza sadzac, ze jak w danych treningowych byla jakas wartosc, to ona jest nadpisywana. Oswiece cie, llmy robia zadanie "przewidz nastepne slowo na podstawie...". Podstaw moze byc ogrom. A nie select do bazy. Slyszales o czym takim jak xai? Albo observability? Modele z ragiem, ktore dostarczalem miewaly niemal 100% accuracy. Nie jest to mozliwe zawsze, sa ograniczenia, ale nawet nie wiesz
@Pbr: Na takiej jak na zdjeciu. Llmy roznia sie od poprzednich modeli do analizy tekstu czyli lstmow, ze maja cos, co nazywa sie uwaga. Model mapuje nie poprzednie slowo. On mapuje n+1 nastepnych slow. I na podstawie tego przewiduje co bedzie dalej. Przyklad: Pytasz o to kim jest Adam Malysz. Model odpowiedz na to pytanie w swoich wagach. Odpowiada wprost. Ale jesli Pytasz jak osiagniecia Adama Malysza maja sie do
Coś, co było niemal jest pewne teraz jest pewne. OpenAI opublikowało artykuł udowadniając, że kazdy LLM zawsze będzie coś halucynowal. Nie czasem. Dopiero przy następnej aktualizacji. Zawsze. Udowodnili to matematyką.
Nawet przy idealnych danych treningowych i nieograniczonej mocy obliczeniowej, modele AI nadal z przekonaniem mówią rzeczy, które są całkowicie fałszywe. To nie jest błąd, nad którym pracują. Jest to wpisane w to,
@JamesJoyce: Dlatego z niecierpliwością czekam aż większość źródeł, na których uczone są LLMy, będzie pochodziła z LLM'ów ( ͡°͜ʖ͡°)
Zatrute studnie itp.
Natomiast nadal jestem bardzo zadowolony z tego jak LLM ułatwia np. zamianę nieformalnego opisu problemu na oficjalne zgłoszenie do urzędu, czy jak szybko potrafi dokonać syntezy czy porównania kilku dokumentów. Oczywiście wszystko działa w połączeniu z zasadą "ufam, więc sprawdzam", ale nadal
W kontekście liczenia (arytmetyki) symbol grounding problem sprowadza się do pytania: czy system operujący na cyfrach np. „2 + 2 = 4" naprawdę rozumie co to znaczy „dwa", czy tylko bezmyślnie przetwarza kształty znaków według reguł? Człowiek gruntuje symbol „2" w doświadczeniu: dwa jabłka, dwa kroki, dwa palce. System formalny (kalkulator, LLM) wykonuje poprawne obliczenia, ale cyfry są dla niego tokenami ich
Kurcze, sporo tych hipotez sie sypie. Najpierw mcp, teraz systemy wieloagentowe. Swietny artykul. Otoz:
Gdy tysiące systemów autonomicznych działają w tym samym środowisku, lokalna optymalizacja nieuchronnie prowadzi do globalnej niestabilności. To nie jest przede wszystkim problem wyrównania AI. To problem architektury koordynacji.
Kolejny przyklad wielkiego modela jako zarzadcy. Claude byl tym kwadratem na srodku wykresu lub przynajmniej interpretatorem danych z innych systemow. Ale jezyk użyty przez USA sugeruje cos innego.
Panie i Panowie z biznesu, dobrze radzę wam szybko podnosić skille, bo podstawowe i średnio zaawansowane procesy będą zautomatyzowane przez ai w ciągu najbliższych 2-4 lat.
Przed chwilą puściłem do salesów, które następnie przesyłają do jednego z wielkich
10.1 — Konsultant przenosi na Klienta wszystkie obecne i przyszłe prawa IP do PRACY i POMYSLOW. Jeśli prawa nie przejdą automatycznie z mocy prawa, Konsultant trzyma je w truście na rzecz Klienta. 10.2 — Konsultant zobowiązuje się do: natychmiastowego pisemnego zgłaszania każdego wynalazku, zachowania ich w tajemnicy, zwrotu wszystkich materiałów
@IlllI: brzydko napisane. Jak klikasz dokładnie tak, jak powinieneś, to niby działa, ale jak zewnętrzne API odpowie nie tak, jak skrypt oczekiwał, to apka wywala 500. Przy okazji mi się przypomniało jak 6 lat temu przejąłem projekt po ukraińcach, którzy mieli zajebisty patent na paginację w AWS. Wyciągali cały bucket z S3 i obrazk filtrowali na froncie a apka to był live streaming, który się wywalił po 2 sekundach, bo
Wiecie co to GeLLMan? Rrzuce kilka artykulow I przemyslen.
Najpierw mamy za wiki
In a speech in 2002, Crichton coined the term "Gell-Mann amnesia effect" to describe the phenomenon of experts reading articles within their fields of expertise and finding them to be error-ridden and full of misunderstanding, but seemingly forgetting those experiences when reading articles in the same publications written on topics outside of their fields of expertise, which they believe to
@JamesJoyce: to nawet nie jest taki negatywny efekt. Bo jak jesteś w dziedzinie dobry (top 1% ludzkości w domenie), to jesteś lepszy od LLM i ufaj sobie. A jak jesteś poza dziedziną (poziom ~50%), nawet nie umiesz zadać oryginalnego pytania więc mimo, że LLM jest w dziedzinie mierny, to i tak jak dla ciebie wystarczająco "mądry. Wiedza powierzchowna jest w danych treningowych. Specjalistyczna wymaga wiedzy i rozumu.
Parę lat temu autor ponoć rozmawiał w samolocie z pilotem samolotu. Powiedział mu: “W tej robocie po jakimś czasie nie ma poprawy. Dziś nie jesteś lepszy niż wczoraj.” I dodał: “Masz szczęście że twoja praca tak wygląda.”
Od tamtego lotu praca autora bardzo się zmieniła. Agenty kodujące robią dużą część jego roboty. Czasem czuje się bardziej jak pilot niż inżynier.
Mirki sorry za spam, może kogoś zainteresuje. Ostatnio byłem dłużej w szpitalu i nazbieralo mi się ciekawych rzeczy.
Otóż jest coraz więcej nadziei w tym, że wsrazanie ai wszędzie, gdzie się da nie będzie takie proste. Mamy taki przypadek:
Sąd Najwyższy Connecticut zmierzy się po raz pierwszy z problemem, który zalewa sądy w całym kraju - fałszywymi cytatami prawnymi wygenerowanymi przez AI.
@JamesJoyce: Zacznijmy od tego że AI nie istnieje. To, co spece od marketingu nazywają sztuczną inteligencją, jest tak naprawdę albo modelem językowym, albo algorytmem generatywnym. To nie myśli, tylko przewiduje optymalną odpowiedź, podporządkowując się odgórnie narzuconym zmiennym (jeśli takowe istnieją). Całość jest tak naprawdę zabawką i częścią bańki big techowej - póki temat jest modny i medialny, właściciele akcji się cieszą.
Jest spadek wartości akcji? Poróbmy masę pozytywnych, good-vibe'owych artykułów
Budowanie softu właśnie radykalnie staniało - vide tag. Co kiedyś wymagało 20 osób i pół roku, teraz robi jeden człowiek w weekend. To nie hype - to się dzieje.
Problem? Każdy może budować, prawie nikt nie rozumie co zbudował. Kiedyś wiedziales drogi Mirku na jakim serwerze działa twój kod, z jaką bazą gada, gdzie fizycznie siedzi.
@JamesJoyce: będzie za parę lat dużo odkręcania w branży, warto mieć skilla w AI, chociażby po to by wiedzieć gdzie szukać błędów później. Stare chińskie przysłowie mówi: "Możesz zrobić wszystko z AI, ale jak jebnie DNS to AI nie pomoże tego naprawić"
Historia zaczęła się w 2018 roku. Thaler złożył wniosek o copyright dla dzieła “A Recent Entrance to Paradise”, które - jak sam przyznał - zostało w pełni autonomicznie wygenerowane przez algorytm. Urząd ds. Praw Autorskich odrzucił wniosek w 2022, stwierdzając że brakuje “ludzkiego autorstwa”. Sędzia federalny podtrzymał decyzję w 2023, pisząc że ludzkie autorstwo to “fundamentalny wymóg prawa autorskiego”. Sąd apelacyjny potwierdził to w 2025.
no tak tylko pomijasz jeden ważny szczegół - Stephen Thaler to jednostka... a nie korporacja. W ten sam sposób Ty nie możesz piracić niczego a korporacje mogą bez problemu zasilać wszystkim swoje modele językowe bo wtedy jest to już metafizyka a Ty jesteś regularnym złodziejem
https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf
Mirki używajcie skillsow. Są niesamowicie pomocne.