Midjourney и другие нейросети обработки изображений - страница 607
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
klingai, промт: "Трейдер на рынке покупает сову"
То есть, задача калькулятора для НС - это киловат-час )))
Экономическая оптимизация жуткая.
Я со своей колокольни представлял экономику таких баз аналогично MQL5-чату сервисдеска. Сначала чат задаёт вопросы, а потом уже шлёт в нужном направлении.
Вот что-то подобное думаю, должно быть и в исполинских базах LLM, у которых один проход - это же пипец сколько "сигналов" процессоров, расчёт, вычислений, переходов и тд.
То есть, "глупыш"-Чат проверяет запрос: если в нём чё-то сложное, то передаёт управление сложной модели. А если он распознал запрос "дважды два" - то передаёт управление калькулятору.
И там уже не киловаты, а что-то крайне экономичнее.
Да, именно так дела обстоят. Возникает вопрос, как сохраняется такая небольшая цена за пользование при таких огромных затрат энергии.
Но явно видно, что необходима структурная оптимизация моделей. В текущем виде они крайне... слово не могу подобрать. Короче, это как если для разбивания ореха использовать мегатонную бомбу. Мозг работает иначе, нужно подсматривать интересные решения у природы.
Форум по трейдингу, автоматическим торговым системам и тестированию торговых стратегий
Midjourney и другие нейросети обработки изображений
Vitaliy Kuznetsov, 2024.07.25 20:37
Искусственный интеллект достигает уровня серебряной медали при решении задач международной математической олимпиады
AI achieves silver-medal standard solving International Mathematical Olympiad problems - Google DeepMind
Фундаментальный прорыв!
Фундаментальный прорыв!
Похоже, заслуга ИИ - формализация задачи из условия на человеческом языке и перевод решения задачи в человеческий язык. Т.е. само решение задач - переборные алгоритмы, не имеющие к ИИ отношения.
К сожалению.
Похоже, заслуга ИИ - формализация задачи из условия на человеческом языке и перевод решения задачи в человеческий язык. Т.е. само решение задач - переборные алгоритмы, не имеющие к ИИ отношения.
К сожалению.
Главное промптусам об этом не рассказывайте.
Похоже, заслуга ИИ - формализация задачи из условия на человеческом языке и перевод решения задачи в человеческий язык. Т.е. само решение задач - переборные алгоритмы, не имеющие к ИИ отношения.
К сожалению.
Предположение и вывод из предположения. Когда ИИ создаёт новую вакцину или лекарство, новое изобретение или картину, не всё ли равно что и как там происходит? Есть задача - получаем решение. Суть интеллекта.
Похоже, заслуга ИИ - формализация задачи из условия на человеческом языке и перевод решения задачи в человеческий язык. Т.е. само решение задач - переборные алгоритмы, не имеющие к ИИ отношения.
К сожалению.
Ну, так то, задачи геометрии так человек и решает - перебирает аксиомы и теоремы, которые применимы к конкретному случаю, на человеческом языке. При чём одна и та же задача геометрии в большинстве случаев может быть решена несколькими способами.
Интеллект - в первую очередь способность формулировать задачи и решать их. Например, калькулятор не может формулировать задачу, поэтому у него интеллект отсутствует.
Для решения сложных задач, включая логические, алгебраические и другие, я использую различные подходы в зависимости от типа задачи:
1. **Логические задачи**: я анализирую условия задачи и использую правила логики (например, законы Де Моргана, логические операции И, ИЛИ, НЕ) для построения и проверки гипотез.
2. **Алгебраические задачи**: я использую известные алгебраические правила и методы, такие как решение уравнений, упрощение выражений, использование формул и теорем (например, теорема Виета для квадратных уравнений).
3. **Геометрические задачи**: я применяю геометрические теоремы и свойства фигур, такие как теорема Пифагора, свойства треугольников и кругов.
4. **Статистические и вероятностные задачи**: я использую методы статистики и теории вероятностей, такие как распределение вероятностей, математическое ожидание и дисперсия.
Для примера, рассмотрим алгебраическую задачу:
**Решение квадратного уравнения \(ax^2 + bx + c = 0\):**
1. Вычисляем дискриминант: \(D = b^2 - 4ac\).
2. В зависимости от значения D, определяем количество корней:
- Если \(D > 0\), уравнение имеет два различных корня.
- Если \(D = 0\), уравнение имеет один корень.
- Если \(D < 0\), уравнение не имеет вещественных корней.
**Пример**:
Решим уравнение \(2x^2 + 3x - 2 = 0\):
1. Вычисляем дискриминант: \(D = 3^2 - 4 \cdot 2 \cdot (-2) = 9 + 16 = 25\).
2. Поскольку \(D > 0\), уравнение имеет два корня:
\[ x_{1,2} = \frac{-b \pm \sqrt{D}}{2a} = \frac{-3 \pm \sqrt{25}}{4} = \frac{-3 \pm 5}{4} \]
3. Корни уравнения:
\[ x_1 = \frac{-3 + 5}{4} = \frac{2}{4} = 0.5 \]
\[ x_2 = \frac{-3 - 5}{4} = \frac{-8}{4} = -2 \]
Таким образом, корни уравнения \(2x^2 + 3x - 2 = 0\) равны 0.5 и -2.
Для логических задач я мог бы использовать более сложные алгоритмы и методы, такие как методы графов, алгоритмы поиска, динамическое программирование и другие, в зависимости от сложности и специфики задачи.
И, с другой стороны, как ворон решает задачу с бутылкой? Очевидно, он не использует вообще человеческую речь и формализацию на человеческий язык, однако это не мешает ему быть одному из самых интеллектуальных представителей животного мира.
Использование человеческого языка в LLM лишь удобный способ взаимодействия с машиной, могут быть использованы и иные принципы и основы в других системах ИИ.
Что касается оптимизации и прочего. Я обычно не публикую, но периодически выходят исследования и решения от команды Яндекса, Сбера и зарубежных компаний.
Есть методы, позволяющие сократить потребление на 20%, сжать базу без потери качества и ускорить процесс генерации в сотни раз с помощью спец.железа (асики по принципу работы нейронов мозга).
Когда вышел Мистраль, то сам ИИ уже был построен как контроллер и мини-ИИ модульного типа. При получении задачи, она классифицируется и отправляется профильному ИИ на решение, что снижает общее потребление ресурсов.
Мультимодальные ИИ (текст, аудио, картинки и т.д.) всё по тому же принципу.
Вывод такой: помимо работы над увеличением качества самого ИИ, параллельно идут работы по оптимизации ресурсов. Так было с самого начала.
klingai, промт: "Трейдер на рынке покупает сову"
Так себе сова - больше на сокола похожа.
Что касается оптимизации и прочего. Я обычно не публикую, но периодически выходят исследования и решения от команды Яндекса, Сбера и зарубежных компаний.
Есть методы, позволяющие сократить потребление на 20%, сжать базу без потери качества и ускорить процесс генерации в сотни раз с помощью спец.железа (асики по принципу работы нейронов мозга).
Когда вышел Мистраль, то сам ИИ уже был построен на контроллер и мини-ИИ модульного типа. При получении задачи, она классифицируется и отправляется профильному ИИ на решение, что снижает общее потребление ресурсов.
Мультимодальные ИИ (текст, аудио, картинки и т.д.) всё по тому же принципу.
Вывод такой: помимо работы над увеличением качества самого ИИ параллельно идут работы по оптимизации ресурсов. Так было с самого начала.