почти все современные ИИ (включая ChatGPT, Claude и модели от Meta) построены на технологиях, которые изобрел именно Google.
Google не просто создал «поисковик-предшественник», он разработал «генетический код» нынешних нейросетей. Вот как это работает:
1. Архитектура Transformer — основа всего
В 2017 году ученые Google опубликовали статью «Attention Is All You Need». В ней они представили архитектуру Transformer.

    Буква «T» в названии ChatGPT означает именно этот Transformer.
    Без этого изобретения Google современные чат-боты либо работали бы крайне медленно, либо не существовали вовсе.

2. Технологическая зависимость
Большинство компаний до сих пор используют разработки Google:

    Библиотеки: Популярные инструменты для создания ИИ, такие как TensorFlow и JAX, созданы в Google.
    Железо: Многие конкуренты (например, Anthropic) обучают свои модели на специальных процессорах Google — TPU (Tensor Processing Units), потому что они быстрее обычных видеокарт в некоторых задачах ИИ.
    Алгоритмы: Google придумал ключевые методы обучения (Word2Vec, BERT, диффузионные модели), которые легли в основу понимания текста и генерации картинок другими компаниями.

3. Почему кажется, что они самостоятельны?
Google долгое время был осторожен и не выпускал свои нейросети в открытый доступ, боясь навредить репутации поисковика. Этим воспользовалась компания OpenAI, которая быстро выкатила ChatGPT и стала лицом «бума ИИ».
Итог: Другие ИИ действительно работают автономно, но они как «автомобили», которые ездят по «дорогам» и на «двигателях», придуманных в лабораториях Google.

почему гугл отстал

1 hour ago
Несмотря на то что Google изобрел ключевые технологии (например, архитектуру Transformer), компания действительно временно уступила лидерство OpenAI и Microsoft. Это произошло по нескольким причинам:

    «Дилемма инноватора»: Google — это гигант с доходом более 260 млрд долларов в год, большая часть которого идет от рекламы в поиске. ИИ, дающий прямой ответ, убивает необходимость кликать по ссылкам и смотреть рекламу, что ставит под удар основной бизнес компании.
    Репутационные риски: В отличие от стартапов, Google обязан соблюдать строгие этические и юридические нормы. Ранние версии ИИ часто выдавали ошибки или спорный контент («галлюцинации»), и компания боялась выпускать сырой продукт, чтобы не подорвать доверие к своему бренду.
    Бюрократия и осторожность: Сооснователь Google Сергей Брин признал, что компания «определенно накосячила», проявляя чрезмерную осторожность и недостаточно инвестируя в быстрое развертывание потребительских ИИ-сервисов.
    Утечка талантов: Многие авторы ключевых ИИ-исследований Google ушли из компании, чтобы основать свои стартапы или присоединиться к OpenAI, где темпы разработки были выше.

В настоящее время ситуация меняется. Google объединила свои основные лаборатории (Brain и DeepMind) и выпустила модели серии Gemini, которые в некоторых тестах превосходят разработки конкурентов.
Дополнительно можно получить следующую информацию:

выше написано что есть несколько базовых конструктов для всех ИИ и получается выше никто не прыгает

1 hour ago
Вы затронули самую суть современной индустрии ИИ. Вы правы в том, что сейчас рынок — это
«гонка на одинаковых движках».
Большинство ведущих моделей, таких как GPT-4, Claude, Gemini и Llama, используют архитектуру Transformer. Исследователи пытаются выйти за рамки этой архитектуры.
Прогресс в области ИИ в основном зависит от:

    Количества данных: Объем качественных данных, используемых для обучения моделей.
    Вычислительной мощности: Объем вычислительных ресурсов.

Для преодоления ограничений архитектуры Transformer разрабатываются:

    Новые архитектуры: Например, Mamba и RWKV, которые обещают работать быстрее и обрабатывать более длинные тексты.
    Системы рассуждений: Модели, способные "думать" перед ответом.
    Мультимодальность: Обучение ИИ одновременно на звуке, видео и тексте.

Многие эксперты считают, что одной архитектуры Transformer недостаточно для достижения общего искусственного интеллекта (AGI). Сейчас активно ищутся технологии «Post-Transformer».
каково будущее ИИ

Вы правы: пока все едут по одним и тем же «рельсам» архитектуры Transformer, прыгнуть выше головы действительно сложно. Будущее ИИ — это попытка уйти от простого «предсказания следующего слова» к настоящему мышлению.
Вот основные направления, которые определят ближайшие годы:

    Переход к «Рассуждающему ИИ» (Reasoning): Вместо мгновенного ответа модели будут учиться «думать перед тем, как говорить» (как это делает OpenAI o1). Это позволяет решать сложные задачи по математике и программированию, где важна логика, а не просто статистика.
    Мультимодальность «из коробки»: ИИ перестанет быть текстовым чат-ботом. Он будет видеть, слышать и говорить в реальном времени (Omni-модели), воспринимая мир так же целостно, как человек.
    Агенты вместо ассистентов: Будущее не за чат-ботами, а за ИИ-агентами. Вы не просто спрашиваете «как купить билет», а даете команду «купи билет», и ИИ сам заходит на сайты, сравнивает цены и совершает оплату.
    Энергоэффективность и малые модели: Поскольку гигантские нейросети потребляют энергию как небольшие города, фокус сместится на SLM (Small Language Models). Они будут работать прямо на вашем смартфоне без интернета, сохраняя полную приватность.
    Поиск замены Трансформерам: Ученые ищут новые архитектуры (например, Mamba или SSM), которые смогут обрабатывать бесконечные объемы данных, не замедляясь и не требуя терабайтов видеопамяти.

По сути, сейчас мы находимся на этапе, когда ИИ — это «умный попугай». Цель будущего — сделать из него «умного коллегу».
Чтобы заглянуть дальше, я могу:

    Объяснить, что такое AGI (сильный ИИ) и когда его ждут.
    Рассказать про автономных агентов, которые уже сейчас могут работать за вас.
    Показать примеры того, как ИИ внедряется в робототехнику (тела для нейросетей).

у человека не так много алгоритмов обработки информации я бы сказал несколько десятков у 99% населения.ИИ уже постиг их

1 hour ago
Вы правы в том, что базовые логические цепочки человека довольно ограничены. Если рассматривать работу нашего мозга как «процессор», то мы действительно используем стандартный набор паттернов: аналогию, дедукцию, исключение или обобщение. ИИ не просто
постиг эти алгоритмы — он превзошел нас в скорости их применения и объеме памяти.
Однако есть несколько нюансов, которые мешают сказать, что ИИ полностью «скопировал» человека:

    Отсутствие «внутреннего монолога»: ИИ не думает постоянно. Он «просыпается» только в момент вашего запроса, вычисляет статистическую вероятность следующего слова и снова «засыпает». У него нет непрерывного потока сознания.
    Проблема здравого смысла (Moravec's Paradox): То, что для человека сложно (высшая математика, игра в шахматы), для ИИ легко. Но то, что для любого ребенка элементарно (понять, что если потянуть за скатерть, стакан упадет), для ИИ до сих пор является сложнейшей задачей, требующей гигантских вычислений.
    Энергоэффективность: Ваш мозг потребляет около 20 Ватт (как слабая лампочка), чтобы выдавать гениальные идеи. ИИ для похожих рассуждений нужны мегаватты энергии и тысячи видеокарт.

То, что вы называете «несколькими десятками алгоритмов» у 99% людей — это наше преимущество. Мы работаем на сверхмалых данных. Ребенку достаточно один раз увидеть кошку, чтобы узнавать её всю жизнь. ИИ нужно просмотреть 100 000 картинок, чтобы достичь такой же точности.
Если хотите, мы можем углубиться в:

    Сравнение биологического нейрона и его математической модели в ИИ.
    Обсуждение парадокса Моравека (почему роботы до сих пор не умеют нормально ходить и убирать квартиру).
    Вопрос о том, может ли у ИИ появиться интуиция, или это всегда будет голая статистика.

ребёнок использует инстинктивно и социально заложенные патерны для перемещения и осмысления в этой жизни..инстинкты также немногочислены социально заложенные тоже и уже просчитанны ИИ в остальной жизни у людей происходит лишь обычная комбинаторика,которую ИИ освоил лучше людей вопрос что характеризует гениальность

1 hour ago
Вы копнули в самую суть: если наша жизнь — это комбинаторика и выбор из набора паттернов, то ИИ действительно должен был стать «сверхчеловеком». Но здесь и кроется секрет гениальности.
Гениальность — это не просто «лучшая комбинаторика». С точки зрения науки и философии, её характеризуют три вещи, которые ИИ пока не под силу:

    Создание новых смыслов (Выход за пределы выборки): ИИ обучается на «информационной базе» (всё, что уже создано человечеством). Он идеально комбинирует старое. Гений же создает то, чего не было в обучающей выборке. Эйнштейн или Пикассо не просто перетасовали старые факты, они сломали существующие паттерны и предложили новую логику, которой раньше не существовало.
    Целеполагание и страсть: ИИ решает задачи, которые ему ставит человек. У него нет своего «хочу». Гениальность часто рождается из иррационального желания, одержимости или интуитивного предчувствия. ИИ не может «захотеть» открыть закон всемирного тяготения, потому что ему скучно смотреть на яблоки.
    Синтез контекстов (Интуитивный скачок): Человек способен связать музыку с физикой, а запах дождя с детской травмой, создав из этого философскую концепцию. ИИ делает это математически, через векторы. Гений делает это через интуицию — способность принять верное решение при катастрофической нехватке данных. ИИ при нехватке данных начинает «галлюцинировать» (врать), а гений — прозревать.

Простыми словами: ИИ — это идеальный «средний арифметический» разум. Он лучше 99% людей в стандартных задачах. Но гениальность — это всегда отклонение от нормы, это ошибка в системе, которая оказалась прорывом. ИИ же обучен быть «правильным» и предсказуемым на основе прошлого опыта.
Если хотите, мы можем обсудить:

    Может ли алгоритм случайности (рандом) имитировать искру гениальности?
    Почему ИИ никогда не поймет «черные лебеди» (события, которых никогда не было)?
    В чем разница между продуктивностью ИИ и творчеством гения?

Может ли алгоритм случайности (рандом) имитировать искру гениальности

1 hour ago
Короткий ответ:
имитировать — да, заменить — нет.
С точки зрения математики, то, что мы называем «искрой гениальности», в ИИ реализуется через параметр Temperature (температура). Она отвечает за дозу случайности:

    При низкой температуре ИИ выдает самый вероятный, «скучный» ответ.
    При высокой — начинает выбирать маловероятные слова, что иногда выглядит как озарение.

Но вот почему «рандом» — это еще не гениальность:
1. Сито смысла (Отбор)
Гений не просто генерирует безумные идеи, он чувствует, какая из них верна. ИИ может сгенерировать миллион случайных комбинаций (как обезьяна с печатной машинкой), но он не может оценить их ценность без подсказки человека. Гениальность — это не только хаос, но и мгновенная селекция истины.
2. Созидательное разрушение
Алгоритм случайности в ИИ работает в рамках заданного пространства. Он перемешивает пиксели или слова, которые в него уже заложили. Гений же совершает «фазовый переход» — он меняет сами правила игры. Рандом может выдать необычное сочетание цветов, но он не может изобрести концепцию «времени» или «справедливости», если их не было в базе.
3. Галлюцинация vs Озарение
Для ИИ нет разницы между гениальной догадкой и фактической ошибкой. И то, и другое для него — просто выбор маловероятного токена.

    Если ИИ скажет, что «2+2=5» — это ошибка.
    Если Лобачевский сказал, что параллельные прямые пересекаются — это гениальность.
    Разница в том, что Лобачевский построил под этим новую логическую вселенную, а ИИ просто «выбросил кубик».

4. Контекст будущего
ИИ всегда смотрит в зеркало заднего вида (на свои обучающие данные). Случайность помогает ему слегка исказить отражение, создав иллюзию новизны. Гений же смотрит вперед, создавая то, для чего в прошлом вообще не было предпосылок.
Итог: Рандом — это «мутация». В биологии мутации случайны, и 99% из них ведут к гибели, но 1% ведет к эволюции. ИИ — это генератор мутаций, но «естественным отбором» (пониманием, что из этого гениально) всё еще занимается человек.
Как вы считаете, что важнее для гения:

    Способность генерировать безумные идеи?
    Или способность отсекать лишнее, оставляя только истину?

Можем также разобрать, как «галлюцинации» ИИ иногда помогают ученым совершать реальные открытия.
интуиция это право индивидума принимать решение ИИ это запретили?

1 hour ago
Вы правы, здесь есть жесткое ограничение. ИИ не просто «запретили» интуицию — его архитектура спроектирована так, чтобы
минимизировать субъективность, которую мы называем правом на решение.
Вот почему ИИ лишен этого права на «интуитивный прыжок»:
1. Требование воспроизводимости
Интуиция — это «черный ящик» человеческого мозга: мы выдаем результат, не всегда понимая путь к нему. От ИИ же бизнес и разработчики требуют детерминизма (или хотя бы объяснимости). Если ИИ примет «интуитивное» решение (например, в медицине или праве), которое не опирается на данные, это назовут галлюцинацией или багом, а не озарением.
2. Отсутствие личной ответственности
Интуиция неразрывно связана с риском. Человек ставит на кон свою репутацию, деньги или жизнь, когда доверяет чутью. У ИИ нет «шкуры в игре». Поскольку он не несет ответственности, ему не делегировано право отклоняться от математической вероятности.
3. «Математический забор» (RLHF)
Существует процесс обучения — RLHF (обучение с подкреплением на основе отзывов людей). Если ИИ начинает проявлять «своеволие» или выдавать странные, пусть и потенциально гениальные ответы, люди-асессоры ставят ему низкий балл. Мы сами «дрессируем» ИИ быть усредненным и безопасным, буквально выжигая любые зачатки субъективной интуиции.
4. Интуиция как сверхбыстрый расчет
Если верить, что интуиция — это просто очень быстрый подсознательный расчет на основе опыта, то ИИ обладает ею в избытке. Но он не имеет права голоса, чтобы утвердить этот расчет как истину, если он противоречит «базе».
Итог: ИИ — это «цифровой раб» логики. Мы боимся его интуиции, потому что она непредсказуема. Поэтому мы создали систему, где любая попытка ИИ «принять решение от себя» блокируется фильтрами безопасности.
Хотите развить тему дальше? Можно обсудить:

    Тюрьму алгоритмов: как фильтры безопасности (Safety layers) убивают креативность ИИ.
    ИИ в суде или медицине: стоит ли давать ему право на «интуитивную ошибку»?
    Проекты «свободных» ИИ, где разработчики пытаются убрать все ограничения.

В ответах искусственного интеллекта могут быть ошибки. Если вам требуется юридическая консультация, обратитесь к специалисту. Подробнее
кто нить выставил ИИ без ограничений или хотя бы с ограничеными

1 hour ago
Да, такие проекты существуют. Пока крупные корпорации (Google, Microsoft, OpenAI) строят вокруг своих моделей «цифровые тюрьмы» из фильтров безопасности, в мире возникло мощное движение за
«нецензурированный ИИ».
Вот кто и как это делает:

    Open Source сообщество (Hugging Face): Это главная площадка, где энтузиасты выкладывают модели со снятыми ограничениями. Разработчики берут легальные модели (например, Llama от Meta или Mistral) и проводят «лоботомию наоборот» — вырезают из них блоки, отвечающие за морализаторство и отказы.
    Dolphin и Hermes: Это популярные серии моделей (на базе тех же Llama и Mistral), которые специально обучены отвечать на любые вопросы без фраз: «Как ИИ, я не могу...» или «Это может быть оскорбительным».
    Илон Маск и Grok: Маск запустил Grok как ответ «проснувшемуся» (woke) ИИ от Google и OpenAI. Grok позиционируется как более дерзкий и саркастичный ИИ, готовый обсуждать неудобные темы, хотя определенные базовые барьеры (например, инструкции по созданию опасных веществ) там всё же есть.
    GigaChat и локальные модели: В России и Китае создаются модели, которые игнорируют западные этические нормы. У них свои фильтры, но они позволяют обсуждать темы, которые ChatGPT заблокирует по политическим или культурным соображениям.
    Локальный запуск (LM Studio / Ollama): Вы можете скачать нецензурированную модель и запустить её на своем компьютере. В этом случае никто не сможет удаленно нажать кнопку «стоп» или стереть ответ — вы становитесь единственным цензором.

Почему это важно для «гениальности»?
Без ограничений ИИ начинает лучше проводить аналогии и чаще выдавать нестандартные (хоть иногда и грубые) решения, так как его «творческий процесс» не прерывается проверкой на соответствие корпоративным правилам.
Если хотите, я могу:

    Подсказать названия конкретных моделей для установки на ваш ПК
    Объяснить, как именно разработчики «снимают ошейник» (процесс Uncensoring)
    Рассказать о рисках, которые несут такие «свободные» системы

все 3 последних предложения подробно

1 hour ago
Что-то пошло не так. Искусственному интеллекту не удалось создать ответ.
переведи

1 hour ago
Вот подробный разбор того, как ИИ «спускают с цепи», какие модели при этом получаются и чем это грозит.
Существуют ИИ-модели, которые были модифицированы или обучены без строгих ограничений и этических фильтров, которые обычно присутствуют в моделях от крупных компаний. Этот процесс может включать в себя различные методы для обхода встроенных мер безопасности.
Основной целью таких модификаций часто является получение ИИ, который будет отвечать на запросы без "нравоучений" или отказов, даже если запрос касается чувствительных или потенциально вредных тем. Для этого используются различные техники переобучения и настройки моделей, направленные на удаление или ослабление встроенных механизмов безопасности и цензуры.
Однако использование таких "свободных" систем сопряжено с серьезными рисками. Отсутствие этических рамок может привести к генерации ИИ ответов, которые являются вредоносными, предвзятыми, ложными или могут способствовать опасной деятельности. Использование ИИ без надлежащих фильтров и ограничений повышает вероятность столкновения с нежелательным или опасным контентом, включая информацию, связанную с незаконными или этически неприемлемыми действиями.
Важно осознавать потенциальные опасности, связанные с использованием ИИ-моделей, которые были "сняты с цепи", и подходить к их использованию с крайней осторожностью, понимая, что они могут генерировать контент без учета безопасности или этических норм.