Нейросети - что это и почему.

[garniv]

DeepSeek - https://chat.deepseek.com

[Keper]

Цитата (garniv) »

DeepSeek - https://chat.deepseek.com

у кого какие впечатления?
Я пока пользуюсь исключительно Mistral, меня устраивает. Но дипсик стоит на очереди, любопытно что за зверь такой нашумевший.

[garniv]

Цитата (Keper) »

у кого какие впечатления?

Вчера вечером немного поспрашивал - отвечал нормально. Сегодня с утра вижу или "The server is busy. Please try again later." (чаще) или долгие ответы.


Статья на Хабре: Интервью с DeepSeek: в чем смысл жизни и свиных крылышек

[Benefon]

Lesnik75

Цитата

зайцу стоп-сигнал

Вот нету огонька? Примеров секаса зайца? Отношений зайца в социуме? (анекдот/писанины стало больше ) Просто скучно и пресно.
И коротко (у меня коменты по пьяне больше)
Далеко еще Терминаторам до нас жЫвЫх и теплых

[Lesnik75]

Зачем зайцу стоп-сигнал

[plus]

На сате есть цикл статей про генерацию с помощью нейросетей, что да как. Не могу их найти хоть убей. Где они?

[plus]

garniv я хотел написать "на сайте", куда делась кнопка редактирования сообщения?

[garniv]

plus
Что за "сата" ?

[garniv]

например
HOWTO: как установить и настроить собственный ИИ на игровом ПК / Мастерская
https://3dnews.ru/1086950/howto-kak-...-na-igrovom-pc

[Benefon]

И все же непонятнааа (с)
Зачем это дело?
Ну картинки рисовать - ясно. Это наглухо снимает этотв есь гнилой и вечный базар с "правами" на рисунки. Видно (пока) что нейронка, но зато никаких претензий.
Я уже массу "прессы" в сети вижу только на нейронных кратинках. Бесплатно и никаких в будущим претензий - это была моя фотка, дайте денеХ.
Ок.
А вот тексты?
Написать текст самому быстрее, точнее и надежнее?
Еще что?
Например, анализ анамнеза пациента поликлиники на основе его заданных параметров после анализа аналогичных случаев и написание это в текст?

[garniv]

Цитата (Benefon) »

А вот тексты?
Написать текст самому быстрее, точнее и надежнее?

Вот что на это сказал ДипСик:

Цитата

Нейросети, такие как GPT, способны писать тексты на уровне, сопоставимом с человеческим, благодаря нескольким ключевым факторам. Во-первых, они обучаются на огромных объемах данных, включая книги, статьи, диалоги и другие тексты, созданные людьми. Это позволяет нейросетям усваивать языковые паттерны, стилистические особенности и даже контекстуальные нюансы. В результате они могут генерировать тексты, которые звучат естественно и соответствуют ожиданиям читателя.
Во-вторых, современные нейросети используют архитектуры, такие как трансформеры, которые позволяют им эффективно обрабатывать и анализировать длинные последовательности текста. Это дает им возможность учитывать контекст, поддерживать логическую связность и даже имитировать творческий подход. Например, нейросеть может писать стихи, придумывать сюжеты или аргументировать точку зрения, опираясь на усвоенные знания.
Третий важный аспект — это способность нейросетей адаптироваться к различным задачам. Благодаря тонкой настройке (fine-tuning) и обучению на конкретных типах текстов, они могут писать в разных стилях: от научных статей до разговорной речи. Это делает их универсальными инструментами для создания контента.
Однако важно понимать, что нейросети не обладают сознанием или пониманием в человеческом смысле. Они работают на основе статистических закономерностей и предсказаний, а не осмысленного анализа. Это означает, что их тексты могут быть поверхностными или содержать ошибки, особенно в сложных или специализированных темах. Тем не менее, благодаря постоянному развитию технологий, нейросети становятся все более точными и надежными в создании качественного контента.
Таким образом, нейросети пишут тексты так же хорошо, как люди, благодаря комбинации большого объема данных, передовых архитектур и способности адаптироваться к различным задачам. Однако их "мастерство" основано на имитации, а не на глубоком понимании, что делает их мощным, но ограниченным инструментом.

Цитата (Benefon) »

Еще что?
Например, анализ анамнеза пациента поликлиники на основе его заданных параметров после анализа аналогичных случаев и написание это в текст?

И тут у практикующих докторов встает вопрос: "А не заглючило ли в конкретном случае нейросеть, и адекватно ли она написала текст по анамнезу пациента?"

В контексте человеческой лени, нейросети это хороший способ для личностной деградации. И заметьте - легально, без всякого алкоголя и наркоты.

[Benefon]

garniv

Цитата

способ для личностной деградации

Деградация началась с "куль"куляторов.
На мне считать учиться, если взял калькулятор и посчитал?
Это был первый шаг.
А щас все в сети - зачем хоть что то помнить? Задал вопрос и получил тут же мгновенно ответ.
Ну вот теперь третья стадия зачем вообще что то самому писать - кинул задачу в "дип - пик" (тм) и он тебе выдал статейку.
Можно сфантазировать - нет нужды в общении в будущем нажимаешь на интерфейсе кнопку "пообщаться" и две нейросетки общаются между собой. А ты стоишь и киваешь

[garniv]

Цитата (Benefon) »

А щас все в сети - зачем хоть что то помнить? Задал вопрос и получил тут же мгновенно ответ.

Только есть нюанс

Цитата

Точный процент неверной или лживой информации в интернете определить сложно, так как это зависит от множества факторов, включая тип контента, платформу, тематику и географию. Однако исследования и экспертные оценки позволяют сделать некоторые обобщения.

Оценки доли недостоверной информации

1. 
   Социальные сети:
   
   • По данным исследований, проведенных в 2010-х годах, до 60% информации, распространяемой в социальных сетях, может быть недостоверной или вводящей в заблуждение. Это связано с вирусным распространением фейковых новостей, сенсационных заголовков и дезинформации.
   • Например, исследование MIT (2018) показало, что ложные новости распространяются в Twitter в 6 раз быстрее, чем правдивые.
2. 
   Новостные сайты и СМИ:
   
   • В новостных медиа доля недостоверной информации ниже, но она все же присутствует. По некоторым оценкам, около 10–20% контента может содержать ошибки, искажения или преднамеренную дезинформацию.
   • Проблема усугубляется наличием "желтой прессы" и сайтов, специализирующихся на фейковых новостях.
3. 
   Пользовательский контент:
   
   • На платформах, где контент создается пользователями (например, форумы, блоги, YouTube), доля недостоверной информации может достигать 30–50%. Это связано с отсутствием строгой модерации и проверки фактов.
4. 
   Научная и образовательная информация:
   
   • В этой сфере доля недостоверной информации ниже, но она все же существует. Например, в Википедии, которая считается относительно надежным источником, ошибки встречаются в 1–3% статей.

Причины распространения недостоверной информации

1. Экономическая выгода: Фейковые новости и сенсации привлекают больше внимания, что увеличивает доходы от рекламы.
2. Политические цели: Дезинформация часто используется для манипуляции общественным мнением.
3. Отсутствие проверки фактов: Многие пользователи и даже СМИ не всегда проверяют информацию перед публикацией.
4. Алгоритмы соцсетей: Платформы часто продвигают контент, который вызывает эмоции, даже если он недостоверен.

Как бороться с недостоверной информацией?

1. Критическое мышление: Всегда проверяйте источники информации и ищите подтверждения из нескольких независимых источников.
2. Фактчекинг: Используйте специализированные сайты, такие как Snopes, FactCheck.org или их русскоязычные аналоги.
3. Образование: Повышение медиаграмотности помогает людям лучше распознавать фейки.
4. Регулирование: Некоторые страны и платформы вводят меры для борьбы с дезинформацией, такие как маркировка недостоверного контента или его удаление.

Итог
Доля неверной или лживой информации в интернете варьируется в зависимости от типа контента и платформы, но в среднем может составлять от 10% до 60%. Борьба с этой проблемой требует как усилий со стороны платформ и регуляторов, так и ответственности каждого пользователя.

[Benefon]

garniv

Цитата

есть нюанс

Парирую.
Число Пи в военное время достигает четырех! Таким образом круг
превращается в квадрат, а все дождевые капли - в куб, что в корне меняет
их аэродинамику. (с)

Если ВСЕ верят фейку - это не фейк, а народная правда.
Т.е если выдала сеть - в это ВСЕ (90 процентов ) верят, то со своей истинной правдой идешь подальше.
Вот и все?

[garniv]

Некоторые новые джуны на самом деле не умеют писать код без ИИ-помощников / Хабр

СПОЙЛЕР »

Мнение: из-за языковых моделей джуниоры перестают думать, решая проблемы с кодом / Хабр

[Majesty]

garniv
Не работает ссылка

[Lesnik75]

Материал был снят с публикации модератором. Возможно его опубликуют после доработки.

[garniv]

Поменял на другую аналогичную заметку - видимо первую посчитали дублем.

[Majesty]

Есть нейросети которые могут решать задачи по машинному обучению на Python?

[garniv]

Majesty

СПОЙЛЕР (chat.deepseek.com)»

Да, существуют нейросети и инструменты на Python, которые помогают автоматизировать решение задач машинного обучения (ML). Они могут генерировать код, подбирать модели, оптимизировать гиперпараметры и даже объяснять результаты. Вот основные категории и примеры таких инструментов:


1. АвтоML-платформы

Эти системы автоматизируют создание ML-моделей, включая нейросети:

• AutoKeras — библиотека для автоматического поиска архитектур нейросетей (Keras/TensorFlow).
  

  import autokeras as ak
  model = ak.StructuredDataClassifier(max_trials=10)
  model.fit(x_train, y_train)

• H2O AutoML — автоматически обучает модели, включая нейросети, и выдает leaderboard.
• Google Cloud AutoML — облачный сервис для создания моделей без кода.

2. Генераторы кода на основе ИИ

Нейросети, которые пишут ML-код по описанию задачи:

• OpenAI Codex (Copilot) — генерирует код на Python, включая ML-скрипты.
  Пример запроса: "Напиши код для классификации изображений на PyTorch".
• TabNine — автодополнение кода с учетом контекста.

3. Библиотеки с предобученными нейросетями

Готовые модели для решения задач:

• TensorFlow Hub / PyTorch Hub — репозитории предобученных моделей.
  

  import tensorflow_hub as hub
  model = hub.load('https://tfhub.dev/google/imagenet/mobilenet_v2/classification/4')

• Hugging Face Transformers — модели для NLP (GPT, BERT и др.).

4. Инструменты для оптимизации

Нейросети помогают улучшить ML-пайплайны:

• Optuna — оптимизация гиперпараметров (включая нейросети).
• Neural Architecture Search (NAS) — автоматический поиск архитектур (Keras Tuner, DEAP).

5. Интерпретация моделей

Нейросети для анализа результатов ML:

• SHAP (SHapley Additive exPlanations) — объяснение предсказаний.
• LIME — интерпретация через локальные приближения.

Примеры задач, которые можно автоматизировать:

1. Классификация/регрессия — AutoKeras, H2O.
2. Компьютерное зрение — TensorFlow Hub, FastAI.
3. NLP — Hugging Face, SpaCy + трансформеры.

Что выбрать?

• Новичкам: AutoKeras, Google Colab + готовые ноутбуки.
• Профессионалам: Optuna + NAS, кастомные нейросети на PyTorch/TensorFlow.
• Для бизнеса: Google Cloud AutoML, Azure ML.

Ссылки для старта:

• AutoKeras Tutorial
• Hugging Face Docs
• Optuna Guide

Если у вас есть конкретная задача — опишите её, и я помогу подобрать инструменты! ��