Послушал Стивена Вольфрама у Лекса Фридмана. Вау!

Он смотрит на вселенную как на большой калькулятор который вычисляет следующее состояние нашей вселенной.

Этот калькулятор нельзя “упростить” без потерь, то есть нет способа точно сказать какое будет положение всей вселенной в следующие моменты времени. Единственный способ это посчитать - это сама вселенная.

Все наши теории - математические или физические - это способ свернуть какую-часть вселенной в более узкую концепцию. Где-то жертвуя точностью, где-то - применимостью. Такие свёртки Стивен называет “pockets of reducability”.

Все языки - это тоже способ свернуть описание части вселенной. Это могут быть естественные языки, или это могут быть более системные языки - математический аппарат или языки программирования. Естественные языки сделаны для лучшего понимания мира человеком с его ограниченными возможностями и для описания мира вокруг человека.

Большие языковые модели помимо работы над самим языком являются мостом между естественным языком и другими языками - языком машин, языком математики, языком поисковых систем и так далее.

Одно из таких воплощений - интеграция ChatGPT в WolframAlhpa. Но это часть широкой концепции “свёртки” вселенной в разные упрощения для него.

Один парень сделал физическую "камеру" которая генерит фотографию того куда она "смотрит" с помощью AI. Камера берёт координату, время, время года, погоду и прочие характеристики и создаёт картинку.

Сгенерённые картинки получаются до ужаса похожи на реальность.

Это арт-проект, в нём нет практической пользы и работает кривовато, но не в этом соль. Я долго не понимал почему меня так цепляет этот проект, и вот понял.

Это мостик между реальностью и симуляцией этой реальности. Представим, что он работает классно - используя данные google photos и так далее. Представим что он работает с такой точностью что отличить от реальности будет сложно. Это уже совсем недалеко.

И вот у тебя есть генерация любой точки мира в любое время. И вот мы почти замкнули виртуальную реальность на реальность. Круто же?

Потрясающе всратая AI Generated реклама пиццы

В найме IT сейчас многие паникуют на тему ChatGPT и собеседований. Как проверять скиллы разработчиков если они могут пройти собес с помощью Github Copilot или ChatGPT?

Это неверная постановка вопроса. Не нужно проверять навыки которые может закрыть ChatGPT. Эти навыки больше не нужны, они уже встроены в IDE. Это как знание ассемблера раньше - когда-то важно было, сейчас уже нет.

Понятие джуна скоро изменится от написания базового кода в сторону написания простых сервисов.

Проверяйте более сложные вещи. Архитектура сервисов, работа с нечеткими требованиями и прочие более высокие по уровню абстракции скиллы.

Софты победят харды

Под воздействием ChatGPT происходит очередной виток отказа от хард скиллов. Скиллы в которых требуется следование инструкциям и глубокие знания области скоро станут не актуальны, их заменят помощники.

Это не в первый раз такое. Раньше люди чтобы водить должны были владеть сцеплением, сейчас педальку нажал и поехал. Раньше для разработки нужно было знать команды ассемблера, сейчас пишешь высокоуровневый код.

Текущая итерация отстрелит серьёзную часть хардов - всё то, что можно отразить в виде работы с текстом. Например, юридическая работа очень сильно изменится.

Учитесь работать на уровне идей и смысла. Учитесь работать с людьми. Прекратите учить харды. Тренируйте софты.

Цветочки и ошибка Тьюринга

Начал слушать Neil Gershenfeld у Lex Fridman. Этот парень занимается self-replicating машинами и прочими удивительными вещами. У него там есть очень крутая идея.

Компьютерная Модель Тьюринга, говорит он, неправильная в корне. В ней исполнение кода и хранение кода и данных это две разные вещи. Текущие команды выполняются на процессоре, а код и данные лежат где-то на диске. И все проблемы современных компьютеров лежат в этой проблеме - например, проблема пропускной способности.

Самый главный вычислитель мира вокруг нас это сам мир. И в нём “код” и “носитель кода” это одно и то же. Цветочек сам растёт. Сыр сам вызревает. Нет “вычислителя” который считает как расти цветочку и потом записывает на цветочек новое состояние цветочка.

Одна из реализаций этой более настоящей концепции - self-replicated вычисления или машины. Представьте что есть роботы которые копируют себя / записывают свой код на роботоболванки и потом вместе исполняют работу или вычисления. Это система без ограничений, они могут делать невероятный объем работы.

Есть ещё биологические системы. Программируемые бактерии, которые размножаются и потом делают работу. Жду, когда появятся самопрокладывающиеся дороги - бактерии размножаются в нужную сторону и потом деревенеют в дорогу. Кажется, из Стругацких.

Кстати, мы с вами тоже такая система. Нам, правда, программу забыли записать. Теперь вот смысл ищем.