Крах и новый рассвет ИИ: как он пережил вторую зиму и что нас ждет в будущем
Привет, Хабр! Помните мою прошлую статью, где я рассказывал про первую зиму искусственного интеллекта? Казалось бы, одной зимы достаточно, но в 90-х ИИ ждала вторая зима — еще более суровая. Почему это произошло и не повторятся ли ошибки снова? Прочитав эту статью, вы узнаете: как в 90-е годы началась вторая зима ИИ и какое будущее ждет нас в ближайшие десятилетия.Циклы истории — это спираль, а не круг. Мы возвращаемся к похожим точкам, но на другом уровнеГлава 1. Экспертные машины и компьютеры пятого поколения
Ограничения на пути достижения Общего Искусственного Интеллекта (AGI)
Сегодня, когда каждый день выходят новые модели, показывающие себя лучше и лучше в определенных узких областях, становится актуальным вопрос - а когда мы уже достигнем Общего Искусственного Интеллекта (AGI), который сможет мыслить словно человек, решать сразу множество задач, поможет человеку сделать новый скачок в открытиях?И в головах многих разработчиков рождается мысль: а что если нынешний подход, основанный на масштабировании моделей нейронных сетей, поглощающих гигабайты данных - создает лишь иллюзию того, что мы на верном пути?5 барьеров на пути к разумному ИИ
Кому нужна математика?
Я часто рассказываю математику тем, кто сам ею не занимается. Это непросто — и не только потому, что математика сложна сама по себеОбычно математики интересуются тем, что связано с другими разделами самой математики, и людям «снаружи» непросто понять их мотивацию. Современная математика чаще всего развивается изнутри — из собственных понятий, задач и связей. Тем ценнее случаи, когда удаётся выстроить рассказ вокруг содержательных приложений
ИИ нового поколения: как вдохновение от мозга приматов помогает генерировать и сомневаться
ИИ для генерации текста, который не только сочиняет, но и критически оценивает свою работу. Его архитектура частично вдохновлена последними исследованиями нейробиологии мозга человека и приматов. Рассказываю, как это работает, какие вызовы преодолел и почему иногда даже самый продвинутый код не может заменить настоящего скептика. Каждый день миллионы людей взаимодействуют с ИИ, который генерирует тексты. От автоматических ответов в чатах до создания статей и сценариев — возможности кажутся безграничными. Но как часто мы задумываемся о том, насколько
Нейробиология восприятия: почему мы никогда не увидим мир «глазами» животного
(Научный взгляд зоопсихолога на сенсорные миры собак и кошек). Стена понимания: почему нельзя «стать жирафом»
Как обучают ИИ: без формул, но с котами
Четыре кота, на которых стоит MLЧто такое машинное обучение и как оно вообще «учится»? Чем это отличается от обычного программирования с if, for и «всё работает, пока не трогаешь»? А где заканчиваются понятные алгоритмы и начинается чёрный ящик вроде ChatGPT?
