Будущие перспективы ИИ (возможно, 4-я волна ИИ)

[ozheredov]

Rasool
Ваша история, эдак на глазок, заканчивается 2005-м годом. Тогда как самое интересное в ML началось после 2008-го, поэтому эта временная диаграмма ни к чему и ни о чём. Вместе с тем, вот здесь

Rasool в сообщении #1717141 писал(а):

В свое время во время третьей волны ИИ развивались инженерия знаний, онтологии, основанные на исчислении предикатов первого порядка. Этим даже занимались в российской компании ABBYY. Потом, с появлением LLM это направление умерло.

Вы поднимаете чрезвычайно важную и интересную проблему, которую многие не видят в упор.

[Rasool]

ozheredov в сообщении #1717225 писал(а):

Rasool
Вы поднимаете чрезвычайно важную и интересную проблему, которую многие не видят в упор.

То есть стоит ли учить ML сейчас или же можно полениться и подождать, как будет развиваться прогресс в ИИ дальше?

[ozheredov]

Rasool, стоит ML учить сейчас, иначе за прогрессом Вы просто не поспеете. Причём стоит нырять как в современный примитивизм типа трансформеров, так и в то, о чём писали Вы про ABBYY. Плюс концепции Ю.П. Пытьева из его книги "Методы морфологического анализа изображений" (название пишу по памяти, звиняйте)

[Mihaylo]

Надо учить линейные слои срочно, они не менялись с 1948 года.

[ozheredov]

Mihaylo в сообщении #1717242 писал(а):

Надо учить линейные слои срочно, они не менялись с 1948 года.

Ой я вас умоляю, таки шо там учить?)

[Rasool]

В соседнем треде написали: "GAN сейчас неактуален, был «убит» диффузионными моделями". Вот как все быстро меняется в мире нейросетей.

[ozheredov]

Rasool в сообщении #1717253 писал(а):

В соседнем треде написали: "GAN сейчас неактуален, был «убит» диффузионными моделями".

У Вас в ML нулевой бэкграунд, извините за прямоту, поэтому Вы всё понимаете неправильно. Если Дин Лижень, чемпион мира по шахматам, был "убит" Гукешем Домараджу, то это не значит, что Лижень не умеет играть в шахматы. И Вам, и мне, и любому тут до него, как до Китая раком. Если Нокия проиграла на рынке конкуренцию Эплу, то это значит, что так сложилась тысяча посторонних факторов, а не то что Нокия делала плохие телефоны. Но Вы, опять же извините за прямоту, всё трактуете исключительно в одном ключе: всё меняется, поэтому не надо изучать ничего современного - оно устареет (и тем более старого - оно уже устарело). А нужно лечь на диван и ждать, пока появится Окончательная Супер Пупер Технология, которая сама собой проникнет в Ваш мозг и превратит Вас в матёрого дата-сайентиста типа Mihaylo.

[Mihaylo]

Rasool наверное в шоке...

Я просто подскажу ему: река течёт по руслу и вполне неплохо, нет никакой альтернативы. Не знаю как называется эта иллюзия, когда человек не верит в мелкие изменения, когда ему требуются подтверждения в виде великих свершений а-ля Исаак Ньютон... Вы хоть задавались вопросом, почему вы так мыслите? А потому что иного выхода у вас нет, вам нужны эти чертовы супер-открытия!

В общем, добавлю своё: в настоящее время машинное обучение может аппроксимировать хорошо почти любую реальную функцию, сложную функцию. Проблема лишь определить, какие есть у нас данные и какие $X$ на входе и какие $Y$ на выходе приносят наилучшую прибыль. Именно в этом направлении происходит наибольший прогресс сегодня.

[dsge]

Rasool в сообщении #1717141 писал(а):

Сейчас вот, если я не ошибаюсь, используются нейронные сети глубокого обучения с алгоритмом обратного распространения ошибки. Интересно, сколько это направление в развитии ИИ просуществует, пока его не сменит другая, более совершенная технология?

Обратное распространение ошибки - это, по сути, производная сложной функции, формула которая уже известна 500 лет. Ни у кого нет сомнения, что эта формума прослужит человечеству ещё, как минимум, 500 лет.
В настоящий момент у кое-кого есть возражения по поводу того, что биологические мозги обучаются, не используя обратное распространение ошибки и стохастические градиенты, однако, пока не предложены какие-нибудь альтернативы для компьютерных нейроных сетей.
Придумает ли кто-нибудь что-либо более эффективное, чем обратное распространение ошибки - неизветно. Вы, конечно, можете подождать когда придумают, но есть вероятность, что не дождётесь, даже если планируете жить вечно.

Вообще-то все, кто придумывают что-то новое, хорошо изучили "старое", потому что им необходимо убедить остальных, что новое в самом деле лучше старого.

[Rasool]

dsge в сообщении #1717349 писал(а):

Rasool в сообщении #1717141 писал(а):

Сейчас вот, если я не ошибаюсь, используются нейронные сети глубокого обучения с алгоритмом обратного распространения ошибки. Интересно, сколько это направление в развитии ИИ просуществует, пока его не сменит другая, более совершенная технология?

Обратное распространение ошибки - это, по сути, производная сложной функции, формула которая уже известна 500 лет. Ни у кого нет сомнения, что эта формума прослужит человечеству ещё, как минимум, 500 лет.
В настоящий момент у кое-кого есть возражения по поводу того, что биологические мозги обучаются, не используя обратное распространение ошибки и стохастические градиенты, однако, пока не предложены какие-нибудь альтернативы для компьютерных нейроных сетей.
Придумает ли кто-нибудь что-либо более эффективное, чем обратное распространение ошибки - неизветно. Вы, конечно, можете подождать когда придумают, но есть вероятность, что не дождётесь, даже если планируете жить вечно.

Вообще-то все, кто придумывают что-то новое, хорошо изучили "старое", потому что им необходимо убедить остальных, что новое в самом деле лучше старого.

Большое спасибо.
Я посоветовался по поводу возможной карьеры в ML с бесплатной версией ChatGPT, он посоветовал обратить внимание не на чистый ML, а на связку ML+статистика. Тогда труднее потерять работу, потому что статистика точно никогда не потеряет актуальности, плюс еще есть возможность миграции в аналитику данных или Data Science.

[ozheredov]

Rasool в сообщении #1717579 писал(а):

Я посоветовался по поводу возможной карьеры в ML с бесплатной версией ChatGPT

-- 07.02.2026, 17:08 --

dsge в сообщении #1717349 писал(а):

производная сложной функции, формула которая уже известна 500 лет. Ни у кого нет сомнения, что эта формума прослужит человечеству ещё, как минимум, 500 лет.

Мне кажется, через пять лет люди будут способны найти только лишь производную простой функции, а в течении следующих десяти лет человечество вообще разучился дифференцировать