Postanowiłem zmienić stylówkę przed końcem roku i uśmierciłem symbolicznie starego jowialnego, rozgadanego Imć Waszecia. Odtąd wszystko ulega zmianie. W nowym roku postaram się wrócić z tym razem regularnymi artykułami. W planach mam takie tematy jak z matematyki Alexandra Grothendiecka, Gian-Carlo Rotę, oraz czeka na opracowanie Stefan Banach, ale nie chcę powielać tego wszystkiego co jest już teraz do znalezienia w sieci na każdym rogu. Wiele wskazuje na to, że uda mi się nie zanudzać państwa wzorami matematycznymi tyko rzucić na stół filozofię oraz zagadnienia artyzmu, geniuszu, szaleństwa oraz wielkości. To jest droga, a nie plan, ani też cel.
Rozumiejąc jak bardzo mój język odbiega od typowego polskiego zainwestowałem w translator i coacha. AI bez zbędnego ślinienia wygarnęła mi w oczy co i jak ma być, a co ma się definitywnie skończyć. AI już jest po prostu niezła w te klocki. Tym razem nie szukałem wiedzy, nie pragnąłem potwierdzenia moich myśli, chciałem konkretnego planu. Chciałem mieć swojego Advocatus Diaboli i go sobie utworzyłem za pomocą definiowalnej persony. Bez ględzenia, bez chwalenia wszystkiego i potwierdzania nawet najgorszej bzdury. Ta technologia rzeczywiście rozwija się na naszych oczach i dane nam jest żyć w czasach faktycznego przełomu. W ciekawych czasach.
Aktualnie tworzę samodzielnie nie tylko grafiki za pomocą "image creatorów", ale też własną muzykę w Suno.... nic nie trzeba tłumaczyć, bo każdy sam widzi jakie zapanowało szaleństwo na Youtube. I jeszcze zabieram się za generowanie własnych filmów. Jeśli ktokolwiek z was zetknął się z pojęciami, najpierw gdzieś w drugiej połowie XX wieku, literatury cybernetycznej, potem cyberpunkowej. Z hipertekstem i patchworkiem lub kolażem jako formą wyrazu (vide prekursor "Ulisses" i rozwinięcie "Gra w klasy"). Właśnie o tym rozmawiam. Pomysł powstał już dawno, w formie strony internetowej przypominającej blog, zanim jeszcze powstały blogi i stały się modne. Jakieś 25 lat temu, lecz dopiero teraz dostałem do ręki narzędzia, które mi umożliwiają realizację projektu. Wreszcie.
Na razie tyle miałem do zakomunikowania. To jest stub artykułu rozszerzającego temat, gdy przyjdzie na to pora.
Życzę wszystkim Wesołych i Spokojnych Świąt Bożego Narodzenia i Szczęśliwego pełnego nadziei Nowego Roku i oddalam się bez zbędnego pośpiechu na z góry upatrzone pozycje.
Cześć.
Bardzo fajnie! Niecierpliwie czekam na wpisy z wymienionych tematów, bo też się bardzo tym wszystkim interesuję.
Super DR. Ale pewnie mało kto zrozumie. Nie mógłbyś o AI? Tak tylko nieśmiało pytam.
Chętnie napiszę coś o AI, tylko że ona jest jeszcze kompletnie nieustabilizowania. To jest ciągle jeszcze proces stawania się, a nie końcowy produkt, który można w sposób powtarzalny wykorzystywać w pracy. Przykładem niech będzie Image Creator Binga, w którym wykonałem te wszystkie grafiki z filmów. Obecnie ani jeden "super prompt" już nie działa poprawnie. Na szczęści zrobiłem sobie górkę prac skopanych z intrygującymi fragmentami ale do przeróbek przez przyszłe wersje. Ostatnio poleca się w tym zakresie kilka systemów graficznych w tym Adobe z nową wersją Photoshopa. Co zaś do opisania technicznych aspektów funkcjonowania AI, to jest to jeszcze gorsza matma niż schematy i motywy Grothendiecka ;)). Ja miałem ten handicap, że na przełomie wieków studiowałem u Andrzeja Skowrona:
https://pl.wikipedia.org/wiki/Andrzej_Skowron
Chodziłem na różne dziwne jak na matematyka wykłady, w tym złożoność obliczeniowa i modele obliczeń. W przypadku deep learningu wtedy stosowało się n.in. takie sieci z wagami będącymi prawdopodobieństwami przejścia, pod nazwą Hidden Markov Models (HMM). Działa to tak, że obserwujemy strumień danych, najczęściej znaków, słów, zdań, artykułów, albo fonemów, artykulacji słów całych zdań, audycji i na tej podstawie cały czas drobnymi krokami modyfikujemy te prawdopodobieństwa. Po nauczeniu systemu cała wiedza o tym, co było w tych tekstach jest zapisana tylko w prawdopodobieństwach przejścia. W zależności od tego jakie cechy przestrzeni stanów chcemy uwypuklać, takie dobieramy metody hybrydowe. Są tam np. przycinanie grafu sieci zwane pruningiem, które stopniowo zmniejsza ją (taki rodzaj kompresji), używanie różnych funkcji celu skupiających się np. na maksymalnej entropii, wreszcie różne metody hybrydowe jak sieci skojarzeniowe, asocjacyjne plus HMMs. Cała menażeria do wyboru do koloru.
Wytłumaczenie publicystyczne tego fenomenu jest takie, że oto zakładamy, że te słowa, teksty, artykuły nie powstały ot tak sobie przypadkowo, tylko zostały wygenerowane przez jakiś automat, a do jego odtworzenia potrzebujemy wejść w rezonans z danymi. To właśnie chciałem powiedzieć w ostatnim poście do Janusza. Podczas rozmów AI wchodzi z nami w taki sam rezonans jak metoda uczenia deep learningu z korpusem tekstów. To jest proces a nie stan.
Jest taka miara pokazująca entropię względną, która nazywa się dywergencją Kulbacka-Leiblera. Prostymi słowami można powiedzieć, że mierzy ona stratę informacji zakodowanej w języku A, gdy do jej przekazania i zakodowania użyjemy języka B. Zatem nie używając matmy możemy ponosić dużą stratę na znaczeniu tego o czym piszemy, właśnie na skutek niedopasowania języka. :D
Pozdrawiam.