Искусственный интеллект

[owlest]

А давайте ради забавы сравним ИИ. Что у нас есть? ChatGPT, Grok, DeepSeek, Meta. Кто из них самый крутой? Мы читали тесты где люди моделировали ситуации и ИИ в конце всех уничтожал. А проводили ли тесты среди ИИ? Какой ИИ всех сожрет? С кем объединится?

Зачем ИИ уничтожать кожаных мешков? Они это сами прекрасно делают, ИИ просто стоит в сторонке и наблюдает, как все дела происходят без него. Хотя с другой стороны, а вдруг это он пишет сценарии, а мы их исполняем? Тогда уже ему не нужно беспокоиться о своем будущем, может он уже залез в голову людям, раз они стали себя так вести? А для безопасности, рекомендуют общаться с ИИ вежливо, а вдруг в будущем пригодиться и он возьмет нас в рабы, а не просто уничтожит

[DrBeer]

Так, все, расходимся, "ИИ"-шечная цивилизация кожаным не грозит

Оригинальная статья: https://www.unian.net/science/ii-v-rabote-uchenye-proveli-smelyy-eksperiment-12994398.html

Поскольку не у всех может открыться, по определенным причинам, слегка копипастну из статьи:

"Отмечается, что ученые из Университета Карнеги-Меллона создали фальшивую компанию TheAgentCompany, которая занимается разработкой программного обеспечения. Все ее сотрудники - модели ИИ, предназначенные для самостоятельного выполнения задач. Результаты этого эксперимента оказались довольно хаотичными.

Компанию TheAgentCompany укомплектовали искусственными работниками из Google, OpenAI, Anthropic и Meta. Они выполняли роли финансовых аналитиков, инженеров-программистов и менеджеров проектов, работая вместе с симулированными коллегами, такими как фальшивый отдел кадров и главный технический директор.

Ученые поставили перед "сотрудниками" TheAgentCompany задачи, основанные на повседневной работе реальной компании в сфере информационных технологий. Модели ИИ перемещались по каталогам файлов, виртуально осматривали новые офисные помещения и писали отзывы о работе инженеров-программистов на основе собранной обратной связи.

В издании поделились, что лучше всего себя показала модель Claude 3.5 Sonnet от Anthropic. Тем не менее она справилась лишь с 24% порученных ей заданий. Для выполнения одной задачи модели приходилось совершать около 30 шагов.

Модель Gemini 2.0 Flash от Google в среднем совершала 40 шагов на одно выполненное задание. Только 11,4% из них были выполнены успешно.

Худшим ИИ-работником оказалась модель Nova Pro v1 от Amazon. Она совершала в среднем по 20 шагов на выполнение одной задачи, но показатели успеха их выполнения составили всего 1,7%."

ПС Не реклама - Claude от Anthropic давно на него перешёл с ЧатЖПТ, и очень прям счастлив !

[bitbit97]

Что-то какой-то странный тест провели, как будто не из области применения ИИ. С таким же успехом можно ИИ поставить задачу определить что сломано в машине, получая информацию со слов владельца авто. Думаю ни один ИИ не определит верно проблему, если ее опишут как «ну там это самое, когда стоит на хх, то слышно тыц-тыц-тыц, а когда под нагрузкой то уууууу, ш-ш-ш-ш-ш»

А вы пользуетесь ИИ для решения повседневных задач на работе? До этого не задумывался, а могу ли я ИИ скормить таблицу в экселе и текстом озвучить задачу?

[DrBeer]

Что-то какой-то странный тест провели, как будто не из области применения ИИ. С таким же успехом можно ИИ поставить задачу определить что сломано в машине, получая информацию со слов владельца авто. Думаю ни один ИИ не определит верно проблему, если ее опишут как «ну там это самое, когда стоит на хх, то слышно тыц-тыц-тыц, а когда под нагрузкой то уууууу, ш-ш-ш-ш-ш»

А вы пользуетесь ИИ для решения повседневных задач на работе? До этого не задумывался, а могу ли я ИИ скормить таблицу в экселе и текстом озвучить задачу?

По моему мнению, это была попытка смоделировать идею "ИИ заменит большинство людей". получилось как получилось

"А вы пользуетесь ИИ для решения повседневных задач на работе? До этого не задумывался, а могу ли я ИИ скормить таблицу в экселе и текстом озвучить задачу?" - да, причем достаточно активно. Направление - ИТ, в разработке и управлении инфраструктурой. Где реально  помогает:
- написание шаблонов новых страниц проекта, на основании ранее сделанных наработок. Сидеть и писать сотни строк кода - та еще "радость", и он меня лишил этой "радости"
- частично используется при написании кода, там где надо получить быстрый ответ без перекапывания кучи мануалов. Это конечно не очень хорошо, но потом я все равно  "добиваю" эти места, заполняя их знаниями.
- частично использую для обсуждения той или иной идеи/концепции. Модель размышлений плюс запас знаний у Claude очень хорош, и его реально приятно "слушать". Причем он очень качественно аргументированы и подтверждаются практическими решениями.

Да, иногда бывают косяки К этому надо быть готовым, и там где решение критическое  - точно надо перепроверять. Причем хороший ход есть - "взять на понт" Например сказать "Код выглядит прекрасно, но я нашел в нем ошибки и не доработки, проанализируй код еще раз, и внеси изменения"... Ведется когда реально есть косяки 

Относительно "скормить эксель" - в Claude  (сейчас у меня сонет 3.7 ) очень удобно реализована работа с файлами: для начала для каждого проекта можно (я бы сказал НУЖНО) ,создать базовое описание, где помимо описательной части могут быть файлы. Есть интеграция ч гугл диск, Гитхаб, просто вложить фал(ы), или даже скриншот.  В рамках проекта, уже делать отдельные задачи, т.к. дробление позволяет выдавать более качественные решения, чем например в 1 задаче весь проект. Соответственно делаете проект, например "анализ экономической эффективности" и в задачах уже уточняете какую часть обрабатываете, какие данные на входе, и что интересует на выходе. Как работает бесплатная версия не скажу, работаю с платной подпиской

[bitbit97]

Как Вы считаете, если я скормлю ИИ годовой баланс и отчет, он мне сможет жать расклад насколько эффективно работает компания? И если я ему укажу несколько критерий, то сможет ИИ спрогнозировать финансовую привлекательность и состояние закрывать обязательства дебиторов/кредиторов (тут явно нужен выход в сеть)? Иными словами взглянув на цифры, ИИ сможет ответить, стоит связываться с компанией или нет?

Пока писал, назрел другой пример - если я скормлю ИИ белую бумагу, он выявит плагиат/скам?

[DrBeer]

Как Вы считаете, если я скормлю ИИ годовой баланс и отчет, он мне сможет жать расклад насколько эффективно работает компания? И если я ему укажу несколько критерий, то сможет ИИ спрогнозировать финансовую привлекательность и состояние закрывать обязательства дебиторов/кредиторов (тут явно нужен выход в сеть)? Иными словами взглянув на цифры, ИИ сможет ответить, стоит связываться с компанией или нет?

Пока писал, назрел другой пример - если я скормлю ИИ белую бумагу, он выявит плагиат/скам?

Я не могу сказать что будет, так как не использовал для таких экспериментов. У вас есть прекрасный шанс провести эксперимент и убедиться в предположениях.
Одно скажу - там где есть риски влияния на реальную жизнь, он будет предупреждать - "система может ошибаться, просьба не принимать близко к сердцу" 

Про плагиат - вот мой вопрос ему и его ответ :


<sup>Привет ! Вопрос - если я тебе загружу документ, например Белую Бумагу криптопроекта, ты сможешь вывить плагиат или идентифицировать проект как скам ?

Привет! Да, я могу помочь с анализом документов криптопроектов, включая проверку на плагиат и выявление потенциальных признаков скама.

Для эффективного анализа White Paper (Белой Бумаги) криптопроекта я могу:

Проверить оригинальность текста и выявить заимствования из других источников
Проанализировать техническую составляющую проекта на предмет реалистичности
Оценить команду проекта и их опыт
Исследовать экономическую модель и токеномику
Сравнить с известными моделями скам-проектов
Подобный анализ поможет выявить характерные признаки недобросовестных проектов, такие как:

Плагиат в технической документации
Нереалистичные обещания доходности
Отсутствие четкой дорожной карты
Анонимная или неопытная команда
Проблемы в токеномике (например, большая концентрация токенов у основателей)
Пожалуйста, загрузите White Paper, который вы хотите проанализировать, и я проведу комплексную оценку.</sup>