В физике довольно давно используется ИИ для поиска интересных данных в общем потоке, потому как тот же БАК генерирует настолько лютые петабайты, что их даже по интернету не перешлёшь, как минимум несколько лет назад возили в Москву коробки жёстких дисков самолётами, шаманить в датацентрах Яндекса.
Там, конечно, ИИ построен не на дегенеративном трансформере как ChatGPT, но тем не менее.
Меня это всегда напрягало по двум причинам:
1. Имея поток случайных величин и пытаясь его отфильтровать так, чтобы увидеть события, выглядящие как распределение с нужными параметрами - ну, это очень скользко. Надёргать точек под нужное распределение это задачка для студента второго курса. Насколько тут корректно поведёт себя ИИ, представляющий собой чёрный ящик даже для своих создателей?
2. И наоборот, если ИИ натаскан на что-то ожидаемое, он вполне может проглядеть что-то совсем неожиданное. Это и с людьми случается, чего уж там.
В нашей области настолько больших чисел не бывает. Я не имею в виду ситуацию, при которой из звезд на небосклоне можно сложить фигуру льва (несмотря на то, что она больше всего похожа на крысу).
Типичная индийская статья это двадцать страниц обзора плюс пара страниц о том, что же они собственно сделали и зачем это нужно - т.е. ChatGPT за них 90% работы делает.
Я несколько лет назад рецензировал статью из Саудовской Аравии, тоже индусы писали. Вроде все хорошо написано, но почему то мне пришла в голову шальная мысль проверить погрешности. Оказалось, что они все ровно 15% - а работа была по механизму окисления в ударной трубке, в ней правильно оцененные погрешности констант скоростей важнее чем сами константы.
Comments 49
В смысле, начнут?
В физике довольно давно используется ИИ для поиска интересных данных в общем потоке, потому как тот же БАК генерирует настолько лютые петабайты, что их даже по интернету не перешлёшь, как минимум несколько лет назад возили в Москву коробки жёстких дисков самолётами, шаманить в датацентрах Яндекса.
Там, конечно, ИИ построен не на дегенеративном трансформере как ChatGPT, но тем не менее.
Меня это всегда напрягало по двум причинам:
1. Имея поток случайных величин и пытаясь его отфильтровать так, чтобы увидеть события, выглядящие как распределение с нужными параметрами - ну, это очень скользко. Надёргать точек под нужное распределение это задачка для студента второго курса. Насколько тут корректно поведёт себя ИИ, представляющий собой чёрный ящик даже для своих создателей?
2. И наоборот, если ИИ натаскан на что-то ожидаемое, он вполне может проглядеть что-то совсем неожиданное. Это и с людьми случается, чего уж там.
Reply
Reply
Для больших чисел разница отсутствует.
Если у вас в эксперименте 100 отсчётов, то да, для нужного графика скорее всего придётся подделывать результаты.
Если у вас 100 триллионов отсчётов в час, то там заведомо есть всё что угодно, нужно только творчески найти.
Reply
Reply
Reply
Reply
Reply
Reply
Типичная индийская статья это двадцать страниц обзора плюс пара страниц о том, что же они собственно сделали и зачем это нужно - т.е. ChatGPT за них 90% работы делает.
Reply
Reply
Ничего себе, молодцы какие.
Я несколько лет назад рецензировал статью из Саудовской Аравии, тоже индусы писали. Вроде все хорошо написано, но почему то мне пришла в голову шальная мысль проверить погрешности. Оказалось, что они все ровно 15% - а работа была по механизму окисления в ударной трубке, в ней правильно оцененные погрешности констант скоростей важнее чем сами константы.
Reply
Leave a comment