- 🤖 Что общего между автопилотом Tesla и искусственным интеллектом будущего? Как ИИ может изменить образование? Андрей Карпати, бывший руководитель разработки автопилота в Tesla и известный исследователь ИИ, делится своим видением будущего технологий.
- 🚗 Узнайте, почему Карпати считает Tesla компанией по робототехнике, а не автомобильной компанией. Как трансформеры меняют подход к машинному обучению? Что такое “экзокортекс” и как он может расширить возможности человеческого мозга?
- 🎓 Андрей рассказывает о своем новом образовательном проекте и объясняет, почему обучение с помощью ИИ может стать более эффективным, чем традиционное образование. Какие навыки будут важны в мире, где искусственный интеллект становится неотъемлемой частью нашей жизни? Смотрите это интервью, чтобы узнать ответы на эти и другие вопросы о будущем ИИ и человечества.
https://www.perplexity.ai
промт – Сделай обзор на текст, выдели основные пункты, предложи варианты заголовков текста и задай 10 контрольных вопросов по тексту, также предложи варианты картинки иллюстрации
Обзор текста
Текст представляет собой расшифровку интервью с Андреем Карпаты, известным исследователем в области искусственного интеллекта и автономного вождения. Основные темы обсуждения включают:
- Автономное вождение: Андрей Карпаты делится своим опытом работы над проектом Autopilot в Tesla и сравнивает достижения Tesla и Waymo в области автономного вождения. Он отмечает, что Tesla делает ставку на использование только камер, что может снизить затраты и сложность систем.
- Искусственный интеллект и нейронные сети: Обсуждается переход от эвристических методов к полному глубокому обучению в системах автономного вождения. Карпаты подчеркивает важность использования нейронных сетей для обработки данных и управления автомобилями.
- Гуманоидная робототехника: Рассматривается развитие гуманоидных роботов, таких как Optimus от Tesla. Карпаты обсуждает потенциал применения гуманоидных роботов в промышленности и их возможное будущее использование в бытовых условиях.
Варианты заголовков
- “Будущее автономного вождения: взгляд изнутри с Андреем Карпаты”
- “Роботы среди нас: как Tesla изменяет мир”
- “От автомобилей к роботам: эволюция технологий Tesla”
- “Искусственный интеллект на дорогах: революция автономного вождения”
- “Гуманоидные роботы: шаг к будущему с Tesla”
Контрольные вопросы
- Кто такой Андрей Карпаты и чем он известен?
- Какой проект возглавлял Андрей Карпаты в Tesla?
- В чем заключается основное отличие подходов Tesla и Waymo к автономному вождению?
- Почему использование только камер может быть выгодным для систем автономного вождения?
- Какие изменения произошли в подходах к разработке систем автономного вождения?
- Какой подход использует Tesla для обучения своих систем?
- Какие перспективы использования гуманоидных роботов обсуждаются в тексте?
- Почему гуманоидные роботы могут быть полезны в промышленности?
- Какие преимущества дает использование нейронных сетей для управления автомобилями?
- Как Андрей Карпаты видит будущее гуманоидной робототехники?
Варианты иллюстраций
- Изображение автомобиля Tesla с автопилотом на дороге.
- Схема работы нейронной сети для автономного управления.
- Гуманоидный робот Optimus от Tesla на производственной линии.
- Сравнительная диаграмма подходов Tesla и Waymo к автономному вождению.
- Иллюстрация будущего городского пейзажа с автономными транспортными средствами и роботами.
https://giga.chat
промт – нарисуй Схема работы нейронной сети для автономного управления.
https://giga.chat/link/gcsNRRjHHQ
Расшифровка видео
Вступление: Андрей Карпаты – известный исследователь ИИ
0:02
[музыка] Привет слушатели Добро пожаловать обратно в Нау Сегодня мы проводим время
0:09
с Андреем Карпаты которому не нужно представление Андрей Карпаты известный исследователь любимый педагог в области
0:16
и и cuber один из первых членов команды Open ai руководитель проекта autopilot в
0:22
Tesla и сейчас работающий над ии для образования мы поговорим с ним о
0:28
состоянии исследований его новой компании и о том чего мы можем ожидать от ии Большое спасибо присоединились к нам
0:35
сегодня Спасибо я рад быть здесь вы возглавляли Автопилот в Тесла И теперь у нас действительно есть полностью
0:41
автономные автомобили пассажирские транспортные средства на дороге как вы это понимаете На каком уровне
0:47
возможностей мы находимся и как быстро мы должны ожидать увеличение возможностей появление у пассажирских
0:53
автомобилей Да я провёл наверное 5 лет в области автономного вождения Я считаю что это Увлекательная с и в основном то
1:01
что происходит в этой области сейчас это то что я также провожу много аналогий я бы сказал cgi из автономного вождения и
1:08
возможно это просто потому что я с этим знаком но мне кажется что мы достигли agi в области автономного вождения
1:14
потому что сегодня существует системы которые вы можете просто взять и использовать как платный клиент уйма в
1:19
сан-франциско очень распространено вы уже пользовались уйма я пользовался им раз это удивительно оно может отвезти
1:25
вас куда угодно и вы платите за это как за продукт Интересно что первый раз я воспользовался уйма Почти 10 лет назад в
1:33
2014 году это был мой друг который там работал и он показал мне демонстрацию и Машина проехала меня вокруг квартала 10
1:40
лет назад и это была идеальная поездка 10 лет назад и потребовалось 10 лет
1:46
перейти от демонстрации которую я имел к продукту за который я могу заплатить который масштабируется на уровне города
1:51
и продолжает расширяться и так далее Сколько из этого было связано с регулированием А сколько с технологией
1:56
когда технология была готова э технология увидите этого за одну поездку 30 минут вы не сталкиваетесь с
2:02
проблемами с которыми им приходилось иметь дело на протяжении десятилетия таким образом между демонстрацией и
2:08
продуктом существует огромный разрыв Я думаю что это также связано с регуляторным вопросами и так далее но я
2:13
действительно считаю что в некотором смысле мы как бы достигли agi в области автономного вождения тем не менее я
2:19
думаю что действительно увлекательно то что глобализация ещё не произошла У вас есть демонстрация и вы можете её
2:24
показать и так далее но мир ещё не изменился потребуется много времени пому
2:30
переходя от демонстрации к глобализации там есть большая разница вот как это связано с agi потому что я подозреваю
2:36
что для agi это будет выглядеть похожим образом когда мы так сказать его достигнем а теперь оставаясь на на
2:41
минуту в области автономного вождения Я думаю что люди считают что уйму опережает Тесла Я считаю что Тесла
2:48
опережает вейма и я всё ещё очень оптимистичен по поводу Тесла и её программы автономного вождения Я думаю у
2:54
Тесла есть проблема с программным обеспечением А у вейма проблемы с аппаратным обеспечением и я считаю что
2:59
что проблемы с программным обеспечением легче решать у Тесла есть развёртывание всех этих автомобилей на земле в большом
3:05
масштабе и я думаю что уйма нужно достичь этого И когда Тесла наконец
3:10
достигнет момента когда они смогут действительно развернуть это и это будет работать Я думаю это будет действительно
3:17
невероятно последние версии протестировал вчера они теперь просто везде возят они сделали действительно хорошее улучшение совсем недавно Да я
3:24
использую это в последнее время и это работает хорошо Вчера она проделала чудесное для меня Я очень впечатлён тем
3:31
что делает команда и я всё ещё считаю что у Тесла в основном программная проблема а у вейма в основном аппаратная
3:38
проблема Так что мне кажется что Тесла и уйма сейчас выглядят как победители через 10 лет когда увидим кто достиг
3:44
масштабов и откуда основной доход они впереди в этом смысле как вы думаете насколько далеко мы находимся от того
3:51
чтобы программная проблема начала решаться в плане достижения некоторой эквивалентности Потому что если Вы
3:56
посмотрите на автомобиль в нём установлено много очень дорогого и других датчиков которые помогают ему
4:02
выполнять свои функции это поддерживает программную систему и если вы сможете использовать только камеры Что является
4:08
подходом Тесла то вы фактически избавляетесь от огромных затрат и сложности и можете реализовать это в
4:14
различных типах автомобилей когда по вашему мнению произойдёт этот переход Я надеюсь на что-то подобное что
4:20
действительно интересно в этом я не уверен что люди понимают что Тесла действительно используют много дорогих сенсоров они просто делают это во время
4:28
обучения жест автомобилей они выполняют задачи которые не масштабируется и у них есть дополнительные датчики и они
4:35
картографии вы делаете Это во время обучения затем дистиллируем это в пакет для тестирования который развёртывание в
4:40
автомобилях и работает только на основе визуальных данных и это похоже на Арбитраж между сенсорами и расходами да
4:47
и я думаю что это на самом деле довольно блестящая стратегия которую не все полностью ценят и я думаю что это
4:52
сработает потому что пиксели содержат информацию сеть будет способна на это во
4:57
время обучения эти сенсоры полезны но я не думаю что они также полезны во время тестирования кажется что ещё одно
5:04
изменение или переход который произошел заключается в переходе от множество различных эвристики проектирования
5:10
связанных с краевыми случаями к полному глубокому обучению и это ещё один сдвиг который произошёл недавно хотите немного
5:16
поговорить об этом и о том что это такое Да я думаю что это всегда был план с самого начала я бы сказал в Тесла когда
Прорыв в автономном вождении: сравнение Tesla и Waymo
5:23
я говорил о том как нейронная сеть может обрабатывать данные Потому что когда я присоединился было огромное количество
5:29
на c+ Plus а теперь в пакете тестового времени который работает в автомобиле кода на c+ Plus стало гораздо меньше
5:36
потому что в кэндес ещё много всего о чём мы не говорим нейронная сеть как бы проходит через систему Сначала она
5:42
просто выполняет детекции на уровне изображения затем она обрабатывает несколько изображений давая вам предсказание затем несколько изображений
5:49
с течением времени дают вам предсказание и вы отбрасывается код на c+ Plus в конечном итоге вы просто даёте команды
5:55
управления и я думаю что Tesla как бы проходит через весь стек насколько я понимаю текущие на самом деле не такие
6:01
но Они пытались но в итоге не смогли это сделать насколько я понимаю но я не уверен потому что они об этом не говорят
6:07
но я действительно верю в этот подход и я думаю что это последний элемент который должен упасть Если вы хотите
6:14
рассматривать это именно так и Я подозреваю что через скажем 10 лет конечные системы для Тесла будут
6:20
представлять собой просто нейронную сеть Я имею в виду что видео поступают в нейронную сеть а команды выходят Вы
6:26
должны постепенно к этому подходить и делать это по частям даже все промежуточные предсказания и все те вещи
6:32
которые мы сделали Я не думаю что они на самом деле как-то ввели в заблуждение развития Я думаю что они являются частью
6:37
этого потому что на это есть много тонких причин Когда речь идёт о полном цикле вождения Когда вы просто
6:44
имитируется людей и так далее У вас очень мало данных для обучения огромной нейронной сети и это слишком мало
6:51
сигналов чтобы обучить столько миллиардов параметров поэтому эти промежуточные представления и так далее помогают вам развивать функции и
6:58
детекторы для всего и тогда это делает задачу для энто end части гораздо проще и Я подозреваю хотя и не знаю потому что
7:05
не являюсь частью команды что происходит огромное количество предварительного обучения чтобы Вы могли провести тонкую
7:11
настройку для Энта end я чувствую необходимо это осваивать Тесла сделала это правильный подход Похоже что это
7:17
работает Я с нетерпением этого жду Если бы вы начали с нуля У вас всё равно не было бы данных это имеет смысл да вы
7:24
работали над гуманоидный роботом Тесла перед тем как ушли у меня так много вопросов но один из них такой что здесь
7:31
передаётся в принципе всё передаётся и я не думаю что люди это ценят хорошо Это большое Заявление Я думаю что автомобили
7:38
являются роботами автомобили – это роботы а Тесла – это не автомобильная компания это компания в области
7:44
робототехники компания по робототехнике в масштабе потому что масштаб является отдельной переменной они не строят
7:51
что-то одно они строят машину которая строит это что-то что является отдельной вещью Итак я думаю что компания
7:57
занимающаяся робототехникой в большом масштабе это Тесла и я считаю что переход от там автомобилей к гуманоидный
8:04
роботам не потребовал особых усилий на самом деле ранне версии Оптимуса робота
8:10
думали что они автомобили это было Забавно потому что у него был точно такой же компьютер точно такие же камеры
8:16
Мы запускали сети автомобилей на роботе но он просто ходил по офису и так далее оно пытается распознать проезжую часть
8:22
но сейчас это всё просто пешеходное пространство Но на самом деле оно как-то обобщи это немного и требуется некоторая
8:28
до настрой но оно
8:43
думалось которую я бы сказал заключается в том что так много передаётся скорость с которой был запущен Оптимус Мне
8:49
кажется была очень впечатляющей потому что в тот момент когда Илан сказал что мы это делаем люди Просто пришли с
8:55
нужными инструментами и А всё это появилось так быстро все эти КАД модели и вся цепочка поставок и я просто
9:02
почувствовал что в Тесла есть так много внутренней экспертизы в области создания робототехники и как бы это всё одни и те
9:09
же инструменты и они просто как бы перенастроить из автомобиля как трансформер из фильма они просто
9:14
перенастроить и перераспределяется Но это всё равно одно и то же И вам нужны все те же компоненты вам нужно думать
9:20
обо всех тех же вещах как на аппаратной стороне так и на уровне масштабирования а также о мозгах Итак что касается
9:26
мозгов то здесь также было много переноса не только конкретных но и всего подхода команды по разметке и того как
9:32
всё это координируется а также подходов которые используют люди я просто думаю что здесь действительно много переноса
9:38
как думаете какие будут первые области применения для гуманоидный робототехники у многих людей есть представление о том
9:43
что это похоже На стирку одежды это придёт позже b2c не должен быть правильной отправной точкой так как мы
9:49
не можем иметь робота который может случайно повредить бабушку это слишком большая юридическая
9:54
ответственность Просто я не думаю что это правильный подход пасть эти вещи ещё не идеальны и требуют
10:01
определённой работы поэтому я думаю что лучший клиент – это вы сами в первую очередь и вероятно Тесла собирается это
10:07
сделать Я очень оптимистично настроен по поводу Тесла если люди могут понять что первый клиент – это вы сами и вы
10:13
инкубируется это на заводе возможно занимаясь большим количеством обработки материалов таким образом вам не нужно
10:19
заключать контракты с третьими сторонами это всё очень сложно с юристами вы инкубируется это а затем переходите ко
10:25
второму этапу B2B и обращаетесь к другим компаниям у которых есть огромные склады мы можем заниматься обработкой
10:31
материалов мы будем делать всё это контракты составляются ограждения устанавливаются а затем Когда вы
10:36
инкубируется это в нескольких компаниях Я думаю Именно тогда вы начинаете переходить к b2c приложениям я
Будущее гуманоидной робототехники
10:42
действительно думаю что мы увидим и b2c роботов таких как UNI 3 и другие которые начинают выходить с роботами которые мне
10:49
действительно нравятся сделал хорошо j1 Да так что я вероятно куплю один из них И вероятно
10:56
появится экосистема людей которые будут развивать эти платформы но я думаю что с точки зрения того что будет успешным в
11:01
масштабах я бы ожидал именно такой подход но в начале это в основном работа с материалами а затем переход к всё
11:09
более специфическим вещам hkc одна из вещей которая меня действительно вдохновляет – это задача по свободе от
11:15
листьев с помощью воздуходувки Да мне бы хотелось чтобы оптимист шёл по улице как бы на цыпочках и подбирал отдельные
11:21
листья чтобы нам не нужны были воздуходувки я думаю что это сработает и это удивительная задача поэтому я
11:27
надеюсь что это будет одним из первых при или просто даже грабли Да это тоже должно сработать просто тихо да просто
11:32
тихое ограбление это мило я имею в виду что у них действительно есть работающая машина Она просто не гуманоидная можем
11:39
поговорить о гуманоидный тезе потому что самая простая версия этого заключается в том что мир создан Для людей и вы
11:45
создаёте один набор аппаратного обеспечения правильное решение – создать модель которая может выполнять всё
11:51
большее количество задач в этом наборе аппаратного обеспечения я думаю есть ещё один лагерь который считает что люди не
11:58
оптимальны для выполнения какой-либо задачи верно вы можете заставить их
12:03
сильнее или больше или меньше или как угодно и почему мы не должны делать сверхчеловеческие вещи как вы об этом
12:09
думаете я думаю что люди возможно недооценивают сложность любых фиксированных затрат связанных с Любой
12:14
отдельной платформой Я считаю что есть большие фиксированные затраты которые вы оплачиваете за любую отдельную платформу
12:20
Я думаю что целесообразно централизовать и создать единую платформу для всех задач Аспект человеческого узла
12:26
привлекателен так как люди могут легко управлять им Н это процесс сбора данных который чрезвычайно полезен Потому что
12:33
люди смогут легко управлять им Я думаю что это обычно упускается из виду есть Аспект который вы упомянули касающийся
12:39
проектирования мира для людей я думаю что это тоже важно у нас будут вариации на гуманоидный платформе но я думаю что
12:46
существует большая фиксированная стоимость для любой платформы И ещё я бы сказал что последним аспектом является
12:52
то что вы получаете огромную выгоду от переноса обучения между различными задачами в области ии Вы действительно
12:58
хотите нейронную сеть которая выполняет множество задач и делает много вещей именно оттуда вы получаете весь
13:04
интеллект и возможности И именно поэтому языковые модели так интересны У вас есть один режим как текстовая область который
13:11
решает все эти разные задачи и они все обмениваются знаниями друг с другом и всё это связано в одной нейронной сети и
13:18
я думаю что вам нужна такая платформа и вы хотите чтобы все данные которые вы собираете для сбора листьев приносили
13:23
пользу всем другим задачам Если вы создаёте что-то специальное для одной конкретной задачи вы не получите выгоду
13:29
от переноса знаний между всеми остальными задачами Да я думаю есть такой аргумент кажется что G1 стоит
13:37
около 30.000 верно Но похоже сложно создать очень способного гуманоид робота
13:43
под определённым бомбам и если вы хотите поставить руку на колёса которое может что-то делать возможно в начале есть
13:50
более дешёвые подходы к общей платформе это имеет для вас смысл более дешёвые подходы к платформе с аппаратного
13:56
обеспечения да я думаю это имеет смысл Да ты ставишь колесо вместо ноги и так далее Мне кажется я задаюсь вопросом не
14:03
Приводит ли это к локальному минимуму Я чувствую что выбрать платформу и сделать её идеальной Это довольно хорошая ставка
14:09
на долгосрочную перспективу А ещё конечно я думаю что это будет как-то знакомо людям и я думаю что люди поймут
14:16
что возможно вы захотите с ним поговорить и мне кажется что психологический аспект тоже этому способствует возможно человеческая
14:23
платформа Если только люди не боятся этого И на самом деле предпочли бы платформу которая более как что-то Но
14:30
тогда я не знаю Является ли это просто каким-то
14:38
восьмиконечной форм-фактор для юнитек – это собака верно и это почти более дружелюбная или знакомая вещь да но
14:45
потом люди смотрят Чёрное зеркало и вдруг собака превращается во что-то страшное поэтому трудно это осмыслить я
14:52
просто думаю что психологически людям будет легко понять что происходит Что по вашему мнению не хватает в плане
14:58
технологических Вех для прогресса относительно обоснования этого будущего для робототехники для робототехники да
15:05
или гуманоидный робот или что-то ещё в человеческой форме Да я не знаю что у меня хорошее понимание этого я думаю что
15:11
это довольно интересно что в случае с Человеком или четырёх ктор най моделью для нижней части тела Я не уверен что вы
15:17
хотите использовать обучение с подражанием на основе демонстрации потому что для нижней части тела это
15:23
управление инвертированный маятником для верхней части тела вам нужно много теле присутствия сбора данных полного цикла и
15:29
так далее И я думаю что всё становится очень гибридным в этом смысле и я не знаю как эти системы взаимодействуют
15:36
когда я разговариваю с людьми их работа связана с активацией Цифровой манипуляцией и подобными вещами Да я
15:42
ожидаю что в начале будет много телев чтобы проект и его имитация добиваясь чего-то Что работает 95% времени а затем
15:50
разговор о соотношении людей и роботов появится постепенно люди которые будут супервизора роботов работать напрямую Я
Трансформеры как универсальная архитектура нейронных сетей
15:57
не знаю есть ли какие-то конкретные препятствия с которыми я действительно знаком я просто думаю что это много рутинной работы многие инструменты
16:04
доступны трансформеры – это этот красивый комок ткане который вы можете просто взять для произвольных задач вам
16:11
просто нужны данные привести в правильную форму обучить модель экспериментировать с ней развернуть её
16:20
итеративности сдерживает нас на каком этапе мы находимся в исследовании
16:26
больших Лобов исследование объектов да мы находимся в хорошем состоянии не
16:31
уверен что это осознаётся но трансформер гораздо более удивителен это не просто Это не просто ещё одна нейронная сеть
16:37
это удивительная нейронная сеть чрезвычайно универсальная таким образом когда люди говорят о потере
16:42
масштабирования в нейронных сетях потере масштабирование на самом деле в значительной степени является свойством
16:48
Трансформера перед трансформером люди экспериментировали с СТМ и их комбинирования и так далее но на самом
16:54
деле вы не получаете чистую потерю при масштабировании и эта вещь не обучается и не работает именно трансформер стал
17:00
первым который действительно масштабируется и вы получаете потерю при масштабировании и всё становится понятным Я думаю об этом как о
17:06
компьютере общего назначения Но это как бы дифференцируемые компьютер и вы можете просто давать ему входные данные
17:12
и выходные данные и миллиарды из них и вы можете обучать его с помощью обратного распространения он как бы сам
17:18
организуется в нечто что выполняет задачу и я думаю что это действительно как бы Волшебная вещь на которую мы
17:23
наткнулись в области алгоритмов есть несколько инноваций которые в это вошли У вас есть остаточно соединения
17:30
существовал У вас есть нормализация слоев которую нужно вставить У вас есть блок внимания У вас есть отсутствие
17:36
таких вещей как насыщающие нелинейности такие как Танги и так далее отсутствуют
17:41
в трансформере потому что они убивают градиентные сигналы Итак существует четыре или пять инноваций которые все
17:47
существовали и были объединены в этот трансформер и именно это Google сделала со своей статьёй и эта штука
17:53
действительно обучается вы получаете потерю масштабирования и внезапно этот кусок ткани обучается вчень очень
17:59
большой степени и это было значительное открытие ты чувствуешь что мы ещё не достигли предела этого разблокирования
18:04
верно потому что я думаю что идёт обсуждение конечно стены данных и того насколько дорогим будет следующее
18:10
поколение масштабирования ка как ты об этом думаешь Вот где мы начинаем понимать что архитектура нейронных сетей
18:17
больше не сдерживает нас на фундаментальном уровне это не является узким местом раньше это было узким
18:23
местом но теперь это не узкое место Теперь мы гораздо больше говорим о том что такое функция потерь такой набор
18:29
данных мы говорим об этом гораздо больше И это почти стало узким местом это не общий кусок ткани который перенастроить
18:35
в зависимости от того Каким вы хотите его видеть и вот где я думаю переместилась большая часть активности и
18:41
поэтому многие компании и люди которые применяют эти технологии не задумываются о трансформере и архитектуре вы знаете о
18:47
релизе ламы трансформер не изменился так сильно знаешь мы добавили позиционные данные верёвки и верёвка привнесла
18:53
позиционные кодировки это как главное изменение всё остальное не имеет особого значения Это как плю 3% на небольшом
19:00
количестве вещей но на самом деле Похоже что верёвка – это единственное что вставлено и вот таков трансформер каким
19:05
он стал за последние 5 лет так что особых инноваций в этой области не произошло всё просто воспринимают это как должное Давайте обучим его и так
19:13
далее а затем всё в основном занимаются инновациями в наборе данных и деталях
19:18
функции потерь вот где сосредоточена вся активность верно но что насчёт аргумента А в этой области что было проще когда мы
19:26
использовали как данные из интернета а теперь у нас нет интернет данных и поэтому вопросы действительно касаются
19:33
синтетических данных или более дорогого сбора данных Я думаю хорошая мысль именно здесь много активности
19:39
сосредоточено в области ЛМ данные из интернета не те данные которые вам нужны для вашего Трансформера это как
19:44
ближайший сосед который может привести вас очень далеко что Удивительно но данные из интернета Это просто куча
19:50
веб-страниц верно Это похоже на то что вам нужно внутренний монолог ваших мыслей Да траектории в твоём мозге
19:57
траектории в вашем мозге Когда вы решаете задачи Если бы у нас было миллиард таких как будто agi уже здесь в
20:03
очень большой степени и у нас просто этого нет там Поэтому где сейчас происходит много активности Я думаю это
20:09
связано с интернет данными которые на самом деле приближают вас к цели Потому что так получается что в интернете
20:14
достаточно следов рассуждений Да и много знаний а трансформер просто заставляет это работать нормально Я думаю что
20:21
сейчас много активности связано с факторингом набора данных в эти форматы
20:26
внутреннего монолога и я думаю что существует огромное количество синтетической генерации данных которая
20:31
полезна для этого интересно также то в какой степени текущие модели помогают нам создавать следующее поколение
20:37
моделей это как лестница насколько важны синтетические данные ведь каждая модель
20:43
помогает обучать следующую модель создавая инструменты такие как разметка данных и синтетические данные как важен
20:50
этот Аспект Потому что когда я разговариваю с людьми они говорят Да я думаю что единственный способ добиться
20:55
прогресса Да – это заставить это работать Я думаю что с синтетическим данными нужно быть осторожным Потому что
21:00
эти модели могут тихо разрушаться Это одна из основных проблем если вы зайдёте в чаче пиц и попросите его рассказать
Проблемы и перспективы синтетических данных для ИИ
21:07
шутку вы заметите что он знает всего три шутки та Обычно он рассказывает одну шутку а иногда три и это потому что
21:15
модели сжаты и молчат поэтому Когда вы смотрите на любой отдельный выход вы просто видите один единственный пример
21:21
но когда Вы на самом деле смотрите на распределение вы заметите что это не очень разнообразное распределение оно и
21:27
тихо сжалось Когда вы занимаетесь генерацией синтетических данных это проблема потому что вам действительно
21:33
нужна эта энтропия вам нужно разнообразие и богатство в вашем наборе данных иначе вы получаете сжатые наборы
21:39
данных и вы не можете увидеть это когда смотрите на любой отдельный пример но распределение потеряло огромное
21:45
количество богатства и поэтому оно тихо ухудшается Вот почему вы должны быть очень осторожны и убедиться что Вы
21:51
поддерживаете свою энтропию в наборе данных И для этого Существует множество техник в качестве примера кто-то
21:57
выпустил этот набор данны о персонажах набор данных О персонажах – это набор данных из 1 миллиарда личностей таких
22:03
как люди с различными предыстория О да я это видел Да я учитель или я художник я
22:08
живу здесь я занимаюсь этим и так далее И это как маленькие абзацы с вымышленным человеческим фоном И когда вы
22:15
занимаетесь генерацией синтетических данных это не только завершить эту задачу и сделать это таким образом но
22:20
также представить что вы описываете это этому человеку Вы вводите эту информацию и заставляете её исследовать больше
22:27
пространства и вы получа энтропи нужно быть очень осторожным вводить энтропию И поддерживать распределение и это та
22:34
сложная часть которую я думаю люди возможно недостаточно ценят В общем я думаю что синтетические данные
22:40
безусловно будущее у меня такое впечатление что у нас не закончится данных Просто нужно быть осторожным что
22:46
вы думаете чему мы сейчас учимся о человеческом познании из этого исследования можно утверждать что
22:51
например понимание формы следов рассуждений которые мы хотим получить полезно для фактического понимания того
22:57
как Я бы Осторожно относился к этим аналогия но в целом я действительно считаю что
23:03
это совершенно другой тип вещи тем не менее я думаю что есть некоторые аналогии которые можно провести Так что
23:09
я думаю что Трансформеры лучше человеческого мозга во многих отношениях я считаю что они более эффективная
23:15
система и причина по которой они не работают так же хорошо как человеческий мозг В основном связана с данными это
23:21
первое приближение и в качестве примера Трансформеры запоминающие последовательности гораздо лучше чем
23:26
люди Если вы дадите ему последовательность и один прямой и обратный проход то дав ему первые
23:32
несколько элементов он завершит остальную часть последовательности он так хорош в этом если бы вы показали
23:37
человеку одну презентацию последовательности он не смог бы это запомнить Итак я действительно думаю что
23:43
у трансформеров есть хорошие шансы на то что оптимизация на основе градиента обновление вперёд-назад которое мы
23:49
постоянно используем для обучения нейронных сетей на самом деле более эффективно чем в мозге в некоторых
23:55
аспектах и эти модели лучше они просто ещё не а готовы блеснуть Но в ряде когнитивных аспектов Я думаю они могут
24:01
проявиться с правильными данными они будут Лучше это в целом верно для компьютеров во всех видах приложений
24:07
верно включая память в соответствии с Вашим замечанием Да именно и я думаю что человеческие мозги имеют много
24:13
ограничений знаете Рабочая память очень мала Я думаю что Трансформеры имеют гораздо большую рабочую память и это
24:19
будет продолжаться они более эффективные обучающиеся человеческие мозги функционируют различных ограничений не
24:25
очевидно что человеческий мозг использует обратное распространение ошибки неясно как это могло бы работать
24:31
это очень Стаха динамическая система у неё есть все эти ограничения в рамках которых Она работает такие как
24:37
окружающие условия и так далее я действительно думаю что то что у нас есть потенциально лучше чем мозг просто
24:43
это ещё не достигнуто Как вы думаете о человеческом усовершенствовании с помощью различных систем ии со временем
24:49
считаете ли вы что это вероятный сценарий или вы думаете что это маловероятно увеличение усиление людей с
24:56
помощью моделе и о конечно Я имею в виду возможно Я думаю в общем абсолютно
25:01
потому что я имею в виду есть абстрактная версия этого которую вы используете как инструмент это внешняя версия есть сценарий слияния о знаете
25:09
многие люди в конечном итоге начинают об этом говорить да Да я имею в виду что мы уже сливаемся Дело в том что есть узкое
25:15
место в вводе выводе конечно но в большинстве случаев знаете всё у вас под рукой Если у вас есть какие-либо из этих
25:21
моделей да Но это немного другое Люди уже 40-50 лет делают этот аргумент что технологические инструменты являются
25:27
просто продолжением человеческих возможностей Да компьютер Вот это велосипед для человеческого разума и так
25:32
далее но есть подмножество сообщества и которое считает что например способ которым мы можем устранить потенциальный
25:39
конфликт с будущим и или чем-то другим будет через какую-то форму Да как в презентации нелин и так Дале точно да я
25:46
ещё не знаю как будет выглядеть это слияние но я определённо вижу что вы хотите уменьшить ввод-вывод при
25:51
использовании инструментов и я вижу это как некий экзокортекс который строится поверх нашего неокортекса верно Это
25:57
просто следующее уровень и оказывается что он находится в Облаке Но это следующий уровень мозга Да ускорение
26:03
книга начала тысячных имеет версию этого где по сути всё обосновано в наборе очков которые они связаны с вашим мозгом
26:11
и если вы их потеряете вы чувствуете что теряете часть своей личности Я думаю это Очень вероятно телефон уже почти таким
26:18
является Думаю что будет только хуже убираешь свои технологические вещи подальше от себя просто как голый
26:23
человек на природе Ну вы теряете часть своего интеллекта это вызывает большое беспокойство очень простой пример этого
Образование будущего: персонализированное обучение с помощью ИИ
26:29
карты верно я заметил что многие люди сейчас не могут хорошо ориентироваться в своём городе потому что они всегда
26:35
используют пошаговые указания и если у нас будет этот универсальный переводчик который недалеко вы потеряете
26:41
возможность общаться с людьми которые не говорят по-английски если просто уберёте свои вещи мне очень комфортно
26:47
перенаправлять эту часть моего мозга для проведения дальнейших исследований Я не знаю видели ли вы видео с ребёнком
26:53
который держит журнал и пытается провести пальцем по журналу что меня в этом фасцией что этот ребёнок не понимает что
26:59
является природой А что технологии наложенной на природу потому что это сделано и я думаю что люди начнут
27:05
предполагать что это инструменты потом вы понимаете что люди не знают что является технологией А что нет Если вы
27:11
носите эту штуку которая всегда переводит для вас или делает что-то подобное то возможно люди как бы теряют
27:17
свои его основные когнитивные способности могут не существовать Да это как Вау По своей природе Да да мы
27:24
собираемся специализироваться Ты не понимаешь людей которые говорят по-испански Какого чёрта Или например
27:30
Когда ты смотришь на объекты как в Диснее все объекты оживают и я думаю что мы потенциально можем прийти к такому
27:36
миру где Почему бы мне не поговорить с вещами уже сегодня вы можете поговорить с Алекса и попросить её о чём-то и так
27:42
далее Да я видел некоторые игрушечные компании которые пытаются встроить ЛМ в игрушку чтобы она могла взаимодействовать с ребёнком Да Послушай
27:48
разве это не странно что когда ты подходишь к двери ты не можешь просто сказать Откройся Какого чёрта Да ещё
27:54
один любимый пример не знаю видел ли ты Разрушитель или я робот люди смеются над
27:59
идеей что нельзя просто говорить с вещами и что за Чёрт если мы говорим о
28:05
экзокортекс это кажется довольно фундаментально важным вопросом для демократизации доступа к
28:13
нему Как вы думаете Какова текущая рыночная структура в области исследований ЛМ Знаете есть небольшое
28:20
количество крупных лабораторий которые действительно имеют шанс на прогресс в обучении следующего поколения как это
28:27
отразится на Том к чему люди будут иметь доступ в будущем Так что возможно вы намекали на состояние экосистемы верно У
28:34
нас есть своего рода олигополия из нескольких закрытых платформ а затем Есть открытая платформа которая как бы
28:40
отстаёт например метала и так далее это как бы отражает экосистему открытого кода я действительно думаю что когда это
28:47
начнёт происходить когда мы начнём воспринимать это как некую дополнительную кору Есть такая пословица в криптовалюте не Ваши ключи не ваши
28:54
токены так ли это что если это не ваши веса то это не ваш мозг это интересно потому что компания фактически
29:00
контролирует ваш экзокортекс это начинает казаться немного навязчивым Это мой экзокортекс я думаю что людям
29:07
гораздо больше важна собственность вы понимаете что арендуете свой мозг кажется странным арендовать свой мозг
29:12
мыслительный эксперимент готовы ли вы отказаться от собственности Чтобы арендовать лучший мозг потому что я
29:18
готов Да я думаю что это компромисс посмотрим как это будет работать но возможно по умолчанию можно использовать
29:24
закрытые версии потому что они потрясающие но у вас есть резервный в различных сценариях Я думаю что это как
29:30
раз то как всё складывается сегодня например когда API некоторых закрытых провайдеров выходят из строя люди
29:36
начинают внедрять резервные варианты используя открытые экосистемы которые они полностью контролируют и они
29:42
чувствуют себя уверенно в этом Так что возможно это просто расширение того как это будет выглядеть для мозга Вы будете
29:48
использовать открытые решения на случай если что-то произойдёт Но большую часть времени вы действительно поэтому очень
29:54
важно чтобы открытые решения продолжали развиваться это очевидный момент или
29:59
что-то с чем люди согласны прямо сейчас но я думаю на 100% я та думаю что одна
30:04
из вещей о которых я немного задумываюсь это Какова наименьшая производительная модель которую вы можете получить В
30:10
каком-то смысле будь то по размеру параметров или как бы вы это не воспринимали и мне немного любопытно узнать ваше мнение потому что Вы много
30:17
думали о дистилляции малых моделях знаете я думаю что это может быть удивительно мало И я действительно
30:23
считаю что текущие модели тратят кучу ресурсов на Запоминание вещей которые не имеют значения например они запоминают
30:30
ша хэши Они помнят что-то древнее поскольку набор данных не является кураторские Да именно и я думаю что это
30:37
исчезнет нам просто нужно добраться до когнитивного ядра и я думаю что когнитивное ядро может быть чрезвычайно
30:42
маленьким это просто нечто что думает и если ему нужно найти информацию оно знает как использовать разные
30:48
инструменты это 3 млрд параметров это 20 млрд параметров Я думаю даже миллиарда
30:54
достаточно мы дойдём до этой точки и модели могут быть очень маленькими и я думаю причина по которой они могут быть
31:00
очень маленькими заключается в том что это дистилляция дистилляция работает удивительно хорошо стиля – это когда у
31:06
вас есть а действительно большая модель или огромное количество компьютеров которые контролируют очень маленькую
31:12
модель И на самом деле вы можете под вместить много от возможностей в очень маленькую модель Существует ли какая-то
31:18
математическая репрезентация этого или какая-то информационно теоретическая формулировка этого Потому что кажется
31:24
что вы должны быть в состоянии рассчитать это сейчас в терминах того что может быть один из способов подумать
31:30
об этом – это вернуться к набору данных интернета с которым мы работаем интернету это как 0% когниции и примерно
31:37
9 99% информации которая знаете мусор и я думаю что большая часть этого не
31:44
полезно для мыслительной части Дада Я думаю что другой способ сформулировать вопрос может быть таким Существует ли
31:50
математическая представление когнитивной способности относительно размера модели или как Вы можете зафиксировать когниции
31:56
в терминах знаете ли Вот минима ма относительно того что вы пытаетесь достичь и возможно нет хорошего способа
32:02
это представить Так что я думаю что миллиард параметров даёт Вам что-то вроде хорошего когнитивного ядра Я думаю
32:08
прав Я думаю 1 млрд это слишком много я не знаю это очень захватывающе если подумать Ну знаете Это
32:16
вопрос о том как на краевом устройстве по сравнению с облаком но и также это сырая стоимость использование моделе
Влияние культуры и окружения на развитие талантов
32:23
всего остального Да это захватываю
32:28
У меня также был мой экзокортекс на локальном устройстве Да и Вероятно это не одна модель верно мне интересно
32:34
подумать о том как это на самом деле будет выглядеть потому что я действительно думаю что вы хотите извлечь выгоду из параллели зации вы не
32:41
хотите иметь последовательный процесс вы хотите иметь параллельный процесс и я думаю что компании в какой-то степени
32:46
тоже похожи на параллели зации работы но в компании существует Но иерархия потому
32:51
что это один из способов обработки информации и сокращений которые необходимо осуществить внутри
32:56
организации для информации Поэтому я думаю что в конечном итоге Мы вероятно получим компании с ЛМ Я думаю что не
33:03
исключено что у вас есть модели с разными возможностями специализированные Для различных знаете уникальных областей
33:10
Возможно есть программист и так далее И на самом деле это начнёт в значительной степени напоминать компании там у вас
33:16
будут программисты и менеджеры программ а также аналогичные роли ЛМ работающие
33:21
параллельно и объединяющие для оркестрация вычислений от вашего имени Так что возможно неправильно об этом
33:27
думать это больше похоже на Рой это похоже на экосистему это как биологическая экосистема где есть
33:32
специализированные роли и ниши и я думаю что это начнёт напоминать это у вас есть автоматическая эскалация к другим частям
33:38
Роя в зависимости от сложности проблемы предположим что генеральный директор – это как действительно блестящая облачная
33:44
модель но работники могут быть гораздо дешевле Возможно даже модели с открытым исходным кодом или что-то в этом роде
33:51
моя функция стоимости различно от вашей функции стоимости да это может быть интересно ты любиш работае сфере
33:58
образования ты всегда был педагогом Почему ты это делаешь Я бы начал с того что я всегда был педагогом и мне
34:03
нравится учиться и мне нравится преподавать это как бы пространство которым я очень увлечён на протяжении
34:09
долгого времени А ещё одна вещь которая меня движет – это то что я думаю что в области ии происходит много активности и
34:17
я думаю что большая часть этого направлена на то чтобы заменить или вытеснить людей я бы так сказал это в
34:22
духе того чтобы как бы убрать людей но меня всегда больше интересует всё что как-то наделяет людей силой и мне
34:29
кажется я нахожусь на высоком уровне как команда людей и Меня интересует что ии может сделать для расширения
34:35
возможностей людей я не хочу будущего где люди окажутся на стороне автоматизации Я хочу чтобы люди
34:40
находились в состоянии силы и я хочу чтобы они были удивительными гораздо более удивительными чем сегодня а затем
34:47
другие аспекты Как далеко может зайти человек если у него есть идеальный наставник и я думаю что люди могут достичь больших успехов если у них будет
34:54
идеальная учебная программа и я думаю что мы видим это когда знаете некоторые богатые люди имеют репетиторов и они
35:00
достигают больших успехов и поэтому я думаю что мы можем подойти к этому с помощью ии или даже Луксор пасив на
35:07
самом деле Существует очень чёткая литература по этому вопросу начиная с восьмидесятых Верно где индивидуальное
35:12
обучение Я думаю помогает людям стать на одну стандартную девиацию Лучше два Блум это два Да это работы Блума да именно
35:19
так существует много действительно интересных прецедентов по этому поводу как Вы на самом деле рассматриваете это
35:25
как обоснование через призму ии или Какие первые типы продуктов действительно помогут в этом Потому что
35:30
есть книги такие как Алмазный век где они говорят о иллюстрированной учебнике для молодых дам и обо всём таком я бы
35:35
сказал что определённо вдохновлённый пытаюсь создать Один курс
35:42
и я хочу чтобы он был таким же как курс на который вы пойдёте Если хотите изучать ии Я думаю Проблема в том что я
35:48
уже преподавал курсы Я преподавал 231н в стэнфорде и это был первый курс по глубокому обучению который оказался
35:54
успешным Но вопрос в том как масштабировать эти курсы Как сделать так чтобы ваша целевая аудитория составляла
36:01
8 млрд человек на земле и все они говорят на разных языках и имеют разные уровни подготовки и так далее поэтому
36:07
один учитель не может охватить такую аудиторию и вопрос в том как использовать ии чтобы масштабировать работу действительно хорошего учителя
36:15
таким образом я думаю что учитель в значительной степени занимается созданием курса и Учебной программы
36:20
потому что в настоящее время с учётом текущих возможностей ии Я не думаю что модели достаточно хороши для создания
36:26
качественного курса Но я считаю что они могут стать интерфейсом для студента и интерпретировать курс для него таким
36:33
образом учитель больше не общается с людьми и не является лицом курса учитель находится на заднем плане разрабатывая
36:39
материалы для курса а ии выступает на переднем плане может говорить на разных языках и как бы проводит вас через курс
36:46
Должен ли я рассматривать это как опыт типа помощника преподавателя или это не совсем удачная аналогия это один из
36:52
способов как я об этом думаю это аита я в основном рассматриваю это как интерфейс для студента и это то что на
36:58
самом деле взаимодействует со студентом и проводит его через курс и я думаю что это осуществимо сегодня но этого просто
37:05
не существует ничего не может быть сделано хорошо а затем со временем По мере увеличения возможностей вы
37:10
потенциально могли бы переработать под настройку различными способами Мне нравится находить вещи где как
37:17
возможности ии сегодня и наличие хорошей модели этого и я думаю что многие компании Возможно не совсем интуитивно
37:24
понимают Где находятся эти возможности сегодня и в итоге они начинают строить вещи которые слишком опережают доступное
37:31
или возможно недостаточно амбициозные и поэтому я думаю что это своего рода идеальное место где что-то действительно
37:37
интересное и захватывающее Я хочу вернуться к тому что вы сказали по-моему очень вдохновляет Особенно учитывая ваш
37:45
опыт и понимание того где именно мы находимся в исследованиях мы не знаем Каковы пределы человеческой
37:51
производительности с точки зрения обучения при наличии гораздо лучших инструментов и я думаю что здесь есть
37:56
очень аналогия у нас только что были Олимпийские игры верно и знаете бегун и
38:03
это лучшее время на милю или выберите любой Спорт Сегодня значительно лучше чем чем было отложив в сторону препараты
38:10
улучшающие производительность как это было 10 лет назад вы тренируетесь Раньше у вас совершенно другая программа у нас
Мотивация к обучению в мире после достижения AGI
38:16
лучшее научное понимание техника снаряжение тот факт что вы верите что мы можем продвинуться гораздо дальше Как
38:23
человечество если начнём с инструментов и Учебной программы удивить
38:28
Да мы даже не начали исследовать что возможно я считаю что здесь есть две стороны Первое – это глобализация Я хочу
38:33
чтобы у всех было хорошее образование а вторая – это пределы одного человека я думаю что обе эти стороны интересны
38:40
когда люди говорят о персонализированной обучении они упоминают адаптивный Аспект Когда вы представляете собой вызов
38:45
думаете что можете сделать это с помощью ии сегодня или это что-то для будущего сегодня больше касается охвата И
38:51
множество языков Я думаю что лёгкие задачи это разные языки лёгкие задачи Я считаю что текущие модели очень хороши в
38:59
переводе и могут нацеливает вещей являются лёгкими
39:06
задачами эта адаптивность к фону человека не относится к лёгким задачам но я не думаю что она слишком высока Но
39:13
это то что вам определённо нужно потому что не все приходят с одинаковым опытом и также очень полезно Если вы знакомы с
39:19
другими дисциплинами в прошлом тогда это действительно полезно для проведения аналогии с теми вещами которые вы знаете
39:26
и это чрезвычайно образования это тот Аспект который стоит использовать это не
39:32
очевидно я думаю что простая версия этого не так далека Когда вы можете представить себе просто запрос модели
39:38
это как О привет Я знаю физику или я знаю это и вы вероятно получите что-то но я имею в виду то что действительно
39:44
работает а не то что можно продемонстрировать и что работает иногда я просто имею в виду что это действительно работает так как это
39:51
делает человек да Поэтому я спрашивал об адаптации Потому что люди учатся с разной скоростью или вещи они находят
39:58
сложными тогда как другие нет И наоборот это о том как можете модулировать по контексту и Я полагаю что со временем Вы
40:04
могли бы заново вводить в модель информацию о чём человек хорош или плох вот в чём дело с и мне кажется что
40:10
многие из этих возможностей просто требуют правильного запроса Так что вы всегда получаете демонстрации но
40:15
Действительно ли вы получаете продукт Ты понимаешь о чём я в этом смысле я бы сказал что демонстрация близка но
40:21
продукт ещё далёк так что одна из вещей о которых мы говорили ранее – это родословные это происходит в исследо
40:27
сообществе Где вы приходите из лабораторий и сплетничают о том что они из лабораторий друг друга я думаю что
40:34
очень высокая доля лауреатов Нобелевской премии на самом деле работала в лабораториях бывших лауреатов Нобелевской премии Так что существует
40:41
некое распространение не знаю это культура знания брендинг или что-то ещё в мире ориентированном на образование в
40:46
области ии Как вы поддерживаете преемственность или это не имеет значения или как вы думаете о таких
40:52
аспектах как распространение сети и знаний Я не хочу жить в мире где родословно имеет значение верно поэтому
40:58
я надеюсь что ии сможет помочь вам разрушить эту структуру это похоже на охрану от конечного дефицитного ресурса
41:04
о есть конечное количество людей которые имеют это происхождение поэтому мне кажется что это немного связано с этой
41:10
стороной Я надеюсь что это сможет разрушить это это определённо Одна часть как настоящая обучающая часть
41:17
родословной Ну это также агрегирование это кластерный эффект верно Это как Почему большая часть или большинство
41:23
сообщества ии находится в районе залива или Почему большая часть сооб финтех находится в нью-йорке Я думаю это
41:29
связано с тем что вы собираете умных людей с общими интересами и убеждениями и затем они как бы распространяются от
41:35
этого общего ядра делясь знаниями Интересно Много такого поведения в какой-то степени переместилось в онлайн
41:41
особенно среди молодёжи Я думаю что Аспект похож на образовательный Аспект Если вы в сообществе вы получаете массу
41:47
образования стажировок Что полезно и делает вас уверенным Я думаю что другой Аспект связан с культурным контекстом
41:53
того что вас мотивирует И над чем вы хотите работать что что ценит культура и что они ставят на пьедестал и чему они
41:59
по сути поклоняются например в Академическом мире это H индекс всё заботятся о H индексе количестве
42:06
опубликованных статей и так д и я был частью этого сообщества и видел это и мне кажется что теперь я пришёл в разные
42:12
места и в каждом сообществе есть свои разные кумиры и я думаю это оказывает
42:18
огромное влияние на то чем люди мотивированы где они получают свой социальный статус и что имеет для них
42:23
значение я был Думаю частью разных сообществ вырос в Словакии что тоже бы была очень другая среда проживание в
42:28
Канаде было очень другой средой что имело значение там хоккей Извините
42:33
Спасибо хоккей Да хоккей в качестве примера я бы сказал что в Канаде Я учился в университете
42:41
Торонто и в Торонто Я не думаю что это предпринимательская среда у вас даже не возникает мысли о том что вы должны
42:47
начинать компании это не то чем занимаются люди у вас нет друзей которые этим занимаются вы не знаете что должны
42:54
на это смотреть с восхищением люди не читают книги о всех основателя и не говорят о них это просто не то к чему вы
43:00
стремитесь или что вам интересно и о чём Все говорят так это о том где ты получаешь стажировку где ты будешь
43:06
работать потом и просто принято считать что есть фиксированный набор компаний из которых ты должен выбрать и просто
43:12
присоединиться к одной из них и это то на что ты смотришь с восхищением или что-то в этом роде эти культурные
43:18
аспекты сильны и возможно являются доминирующей переменной потому что сегодня аспекты образования являются
43:24
более лёгкими множество материалов уже доступ Я думаю что в основном это культурный
43:29
Аспект частью которого вы являетесь Так что по этому поводу как мы с тобой говорили несколько недель назад и я
43:35
думаю ты тоже об этом писал в интернете есть разница между обучением и развлечением и обучение бы на самом деле
43:42
должно быть трудным и я думаю это связано с вопросом о статусе и о том что статус является отличным
43:49
мотиватором каков Идол Как вы думаете насколько вы можете изменить мотивацию с
43:56
помою х систем если это является блокирующим фактором сосредоточены ли вы
44:01
на том чтобы предоставить людям ресурсы чтобы они могли продвинуться как можно дальше последовательности в соответствии
44:08
со своими возможностями и как никогда ранее в истории уже вдохновляющее или вы
44:13
действительно хотите изменить то сколько людей хохочет учиться или по крайней мере помочь им пройти по этому пути
Рекомендации по образованию для детей в эпоху ИИ
44:19
хотеть – это многозначное слово я бы сказал сделать обучение намного проще
44:24
есть вероятность что некоторые люди не хотят учи сегодня люди хотят учиться по практическим причинам верно Они хотят
44:31
получить работу и так далее Что Совершенно логично таким образом в обществе до достижения общего
44:36
искусственного интеллекта образование полезно и я думаю что людей будет это мотивировать потому что они поднимаются
44:41
по экономической лестнице и так далее о но в обществе после agi мы все просто будем в обществе после agi Я думаю
44:48
образование в гораздо большей степени станет развлечением включая успешные результаты в образовании верно не просто
44:56
позволяя Котен проходить мимо вас Да я так думаю результаты могут быть такими как понимание обучение возможность новых
45:03
знаний Я думаю что это не Случайность что если вернуться на 200 лет назад 200 лет назад люди занимавшиеся наукой были
45:09
дворянами или людьми с богатством Мы все будем знать обучаясь у Андрея Да да я
45:14
действительно думаю что это очень похоже на вашу цитату ранее Я чувствую что учиться чему-то это как ходить в
45:19
спортзал только для мозга верно знаешь это похоже на поход в спортзал а а а поход в спортзал весело людям нравится
45:26
поднимать тяжесть некоторые люди не ходят в спортзал некоторые делают Но это требует усилий Да это требует усилий Но
45:33
это также довольно весело и у вас есть вознаграждение вы чувствуете себя хорошо по-разному верно и я думаю что
45:38
образование эквивалентно этому А вот что я имею в виду когда говорю что образование не должно быть весёлым я
45:43
имею в виду что это весело но это такой специфический вид веселья я действительно думаю что возможно в мире
45:49
после agi Я бы надеялся что люди действительно будут Много ходить в спортзал не только физически но и
45:55
ментально и это то на что мы смотрим с восхищением как на высокообразованные и
46:01
знаете просто да Могу я задать Вам последний вопрос о ереко Я думаю что это
46:06
будет интересно людям Какова аудитория для первого курса аудитория для первого курса Я в основном думаю об этом как о
46:13
курсе на уровне бакалавриата так что если вы учитесь на бакалавриате в технической области Я думаю что это будет идеальная аудитория я
46:20
действительно думаю что то что мы видим сейчас – это устаревшая концепция образования Когда вы проходите школу а
46:26
затем вы пускаете и идёте работать верно очевидно что это полностью разрушится особенно в обществе которое так быстро
46:32
меняется люди будут возвращаться в школу гораздо чаще поскольку технологии меняются очень-очень быстро это как бы
46:39
на уровне бакалавриата но я бы сказал что любой на этом уровне независимо от возраста подходит под это описание Я
46:45
думаю что возраст будет очень разнообразным Но в основном это люди которые имеют технический бэкграунд и
46:51
действительно хотят понять это в достаточной мере когда могут пройти курс Я надеялся что это произойдёт в конце
46:57
года у меня много отвлекающих факторов но я думаю что вероятно начало следующего года это срок Да я стараюсь
47:04
сделать это очень-очень хорошо и да на это просто нужно время у меня есть последний вопрос который на самом деле
47:11
немного связан с этим Если у вас есть маленькие дети сегодня что вы думаете им следует изучать чтобы иметь полезное
47:17
будущее в моей голове есть правильный ответ и правильный ответ в основном похож на дисциплины такие как математика
47:23
Физика и информатика и причина по которой я это говорю заключается в том что я думаю это помогает развивать
47:29
навыки мышления Это просто как основа лучших навыков мышления Ну это конечно
47:35
моё мнение У меня есть определённый опыт и так далее поэтому я так думаю но это всего лишь моя точка зрения Я считаю что
47:41
занятия физикой и другими предметами формирует мой способ мышления и это очень полезно для решения проблем в
47:48
целом если мы находимся в этом мире до agi это будет полезно и после agi вам
47:53
всё равно нужны наделённые полномочиями люди которые могут Т функционировать в любой произвольной роли я просто думаю
47:59
что это правильный ответ для людей и то чем они должны заниматься и что изучать это либо полезно либо хорошо и я просто
48:06
считаю что это правильный ответ и я думаю что многие другие вещи можно добавить немного позже но критически
48:12
период когда у людей много времени и внимания должен в основном быть потрачен на выполнение таких простых задач с
48:19
высокой манипуляцией и нагрузкой а не на задаче и нагрузки требующие много памяти
48:24
Я получил степень по математике и мне казалось Что в моём мозгу вырезается новая ниша пока я это делал сложный ритм
48:30
трудно вырезать Я бы добавил много других вещей я не против всех остальных
48:35
дисциплин я действительно думаю что 80% из этого должно быть чем-то подобным во-первых мы неэффективные запоминали по
48:42
сравнению с нашими инструментами Спасибо что сделали это это так весело да
48:48
здорово быть здесь найдите нас в Твиттере под ником No PR подпишитесь на наш канал на юбе
48:54
Если хотите увидеть Наши лица вписывай на шоу в Apple podcasts Spotify или где угодно Где вы слушаете Подкасты таким
49:01
образом вы будете получать новый эпизод каждую неделю также подпишитесь на электронные письма или Найдите транскрипты каждого эпизода на no priors
49:09
coom