Я розділю три поточні завдання
Автор виокремив три ключові завдання для розвитку штучного інтелекту: оптимізація сприйняття краси, забезпечення рефлексії та визначення феномену квалиї. Це показує, що для досягнення людського рівня ШІ потрібні нові архітектурні підходи та потенційно більше нейронних шарів, ніж у людському мозку.
🔬 Цікаво, але не для вас. Це дослідження, а не продукт — для компаній до 200 людей тут нема дії.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Автор виокремив три завдання для ШІ: краси, рефлексія, квалія.
- •Для краси пропонується рекурсивне додавання нейронних шарів.
- •Рефлексія вимагає додаткових шарів для глибокого розуміння.
- •Квалія потребує більше шарів, ніж у людському мозку, можливо ASI.
- •Дані про конкретні моделі або цифри не розкриті.
Як це змінить ваш ринок?
Спільнота дослідників може переорієнтувати фокус на архітектурні експерименти з більшою кількістю шарів, що сприяє появи новихframeworks для модульних мереж. Це може зменшити залежність від готовіх API та стимулювати власні дослідження в середніх компаніях, які мають можливості для кастомного тренування. Як результат, фінансові ресурси можуть пересунутися від ліцензування зовнішніх моделей до внутрішніх R&D-проєктів.
Визначення:
Штучний інтелект (ШІ) — галузь інформатики, що створює системи, здатні виконувати завдання, які вимагають людського розуму, такі як виявлення патернів, прийняття решень і творче генератування.
Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.
- •Для дослідних команд: доступ до GPU з 24 ГБ пам’яті, бюджет від $5 000 на експерименти, час 1-2 місяці на прототип.
- •Для середніх бізнесів без AI-отділу: використати готові платформи типу Hugging Face для експериментів з архітектурою, бюджет ~$1 000/міс, термін 2-4 тижні.
- •Для великих компаній: можливість створення власних лабораторій, бюджет від $50 000, команда з 3-5 ML-інженерів, термін 3-6 місяців.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| GPT-4 API | $0.03 / 1K токенів | хмара | інтернет, обліковий запис | готові моделі, без можливості змінення архітектури |
| Llama 3 70B | безкоштовно (ваги) | локально/хмара | GPU 40GB+ | відкриті ваги, але фіксована архітектура |
| Кастомна модульна мережа | дані не розкриті | локально | залежить від дизайну | можливість додавати/видаляти шари за задачею |
| Azure AI Studio | змінна | хмара | Azure підписка | інтеграція з корпоративними сервісами, обмежена гнучкість архітектури |
| Open-source框架 (наприклад, PyTorch Lightning) | безкоштовно | будь-де | навички програмування | гнучкість у експериментах, потреба у власному коді |
💬 Часті запитання
🔒 Підтекст (Insider)
Автор розглядає гіпотетичні архітектурні вимоги до майбутніх ШІ систем, не пропонуючи конкретних рішень. Це більше filozofical роздум про можливий шлях до AGI. Для бізнесу це сигнал, що фундаментальні дослідження все ще потребують часу.
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
e/acc chat — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live