Po 3 týždňoch a 2 mesiacoch práce na projekte s dosť dobrým výsledkom sa ma manažér opýtal, že na koľko som pri programovaní používal umelú inteligenciu.
Popravde som si myslel, že vôbec, ale nie! Spomenul som si na jeden prípad, kedy som sa ozaj opýtal umelej inteligencie jednu otázku. Asi hodinu som hľadal ako spraviť jednu vec v kóde. Dosť zložitá štruktúra vzťahov. Nevedel som sa z toho vysomáriť. Po hodine som našiel riešenie, ale to nefungovalo. Tak reku ukáž sa umelá inteligencia čo vieš. Umelá inteligencia mi po 10 minútach vypľula to isté nefunkčné riešenie, ktoré som aj ja našiel. Ta ďakujem za takú umelú inteligenciu. To som aj povedal manažérovi. Tak sme sa všetci posmiali a schôdza pokračovala ďalej.
To si videl presne ten prístup, pre ktorý je dimenzovaný
defaultné nastavenie model (to znamená štandartizované nastavenie jazykového modelu pre čo najširšiu vrstvu užívateľov).
Tam tažko čakať, že LLM zázračným spôsobom uhádne, čo po ňom chceš. LLM generuje výstup adevátny zadaniu.
Ja mám úplne iné výsledky.
Rozdiel medzi tebou a mnou nie v použitom je v modeli. Je v prostredí.
Ty si sa spýtal jednorazovo, izolovane, bez kontextu, bez frameworku, bez validačnej slučky. Hodil si otázku do stroja tak, ako by si hodil mincu do automatu. Stroj urobil to, čo vždy — vybral najpravdepodobnejšiu odpoveď z internetu. Internet bol plný aj nefunkčného riešenia. Dostal si nefunkčné alebo polofunkčné riešenie na otázku. Logické. Predvídateľné. Banálne.
Ja s jazykovým modelom robím niečo úplne iné.
Všetko to čo som písal vyššie, postupne budujem. Nikdy neprichádzam s holou otázkou.
Prichádzam s otázkou, ktorú model môže zasadiť do štruktúry, vďaka ktorej vie, čo s odpoveďou spraviť. Architektúra prostredia, ktorú som vybudoval, umožňuje inteligenciu prejaviť. Preto som tu o inteligencii ako vzťahu niečoho s niečím písal.
Táto architektúra platí aj pre prejav inteligencie človeka. Ak nevieš svoje znalosti externalizovať do svojho prostredia, nevieš znalosti skrz prostredie odovzdať ostatným a zanechať ako
dedičstvo spoločnosti. Alebo nevieš sprostredkovať potrebné východzie znalosti/informácie ani tomu jazykovému modelu, a model ti potom nemá na čo nadviazať, "háda" čo asi myslíš. Ak nevieš správne povedať, čo ti má vygenerovať, generuje len výsledok, ktorý sa vyskytol najviac krát v učebných testoch a podľa toho, čo "uhádol" z tvojho zadania. Nič viac, nič menej.
Potom sa nemôžeš čudovať, že tebe alebo iným programátorom tá AI akosi nefunguje, bez prostredia. Model ti je sám o sebe k ničomu, jeho možnosti nebudeš vedieť využiť bez architektúry prostredia, ktorá umožní aby model mal referenčnú hodnotu, voči ktorej potom bude vzťahovať potrebné procesy alebo tvoju želanú odpoveď. Model nieje veštec.
Ale tu potom na zamyslenie otázka, či je druhá verzia DVTR, ktorá vyšla neskôr a inteligenciu deklasifikovala na nejaký algoritmus v konkrétnej entite (v nejakom substráte), či je vôbec prakticky použiteľná, keď odoberá z DVTR práve to, na čom prvá verzia DVTR stála, a čo definuje stará tradícia kybernetiky, z ktorej pôvodne prvá verzia DVTR vychádza.
Pretože pri pohľade na inteligenciu ako na dispozíciu VäZBY konvergovať k cieľovo konzistentnému stavu, je to úplne zrejmé, čo človek musí urobiť, aby dostal dáta z umelej inteligencie.
Pri pohľade skrz DVTRv2, vidíš len algoritmus v entite, ktorý podľa teba nefunguje, chyba je v samotnom modeli.
(podľa DVTRv1 je problém že neexistuje väzba na prostredie, ktorá by inteligenciu dostatočne prejavila, ani u teba, ani u modelu, a v tvojom prípade ani znalosť algoritmu, ktorý by väzbu umožnil budovať... Moje texty, kde som písal o Theta, Fí, x, neboli náhoda..)
