TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1189 · 13.12

Это текст Александра Беспалова, но его в Телеграме нет, поэтому просто процитирую тут. Это второй репост за всю историю канала, но очень уж понравилась Поговорил с чатом о Канте, получилось забавно. Одна из основных мыслей Канта, которая потом поломала всю философию была такая, что "априорные категории (причинность, время, пространство,...) создают возможность эмпирического познания". Т.е. знание науки это не отражение (иногда ошибочное) природы, как считали ранее. Это результат наложения каких-то "встроенных (в голову) схем" на опыт жизни, для получения какого-то вторичного продукта, который называется — "мир-для-нас". А "мир-как-есть" для нас недоступен, в принципе. Дальнейшее развитие философии происходило в обсуждении, насколько вообще ок так делать и можно ли с этим всем хоть что-то познать вообще? Что создало для философии XX века ощущение полной шизы и бессмысленного копания в смыслах слов. Но это, в наше время, банальное наблюдение, которое все и так знают, более ли менее (если не кондовые сциентисты). И "истина" в этом смысле это просто более устойчивое соответствие модели эксперименту (запомните это определение слова). Под устойчивостью понимается то, что соответствие не рушится от изменения среды. Допустим, мы считаем, что от тяжести вещи зависит скорость падения. Это наша модель. Тут приходит Галилей и начинает по наклонной плоскости катить шарики разного веса и они всегда разгоняются более ли менее одинаково. Модель не устойчива к изменению "среды". А вот модель, где ускорение свободного падения не зависит от массы, устойчива к наблюдениям кидания шариков разной массы с разным ускорением, потому что можно легко туда добавить сопротивление воздуха и получить разные разгоны на выходе. Но это тоже довольно обычно, как мне показалось. А вот что меня зацепило, это то, что из этого следует, что "истина" это не универсальная цель или метафизический эталон, а часть противоречивого эволюционного механизма выживания. Если модель более устойчива к изменению контекста, то общество, которое ей обладает, способно приспособиться к более широкому спектру возможных сред обитания (относительно обществ, которые не обладают "истиной"). При этом (как положено внутри эволюционных механизмов), внутри хорошо структурированного общества "стремление к истине" это не самая удачная личная стратегия выживания. Хорошо структурированное общество создает внутри себя устойчивый контекст, в котором начинают эффективно работать простые эвристики (чувствительные к любым изменениям контекста). Они гораздо менее энергозатратные, чем "стремление к истине". И на личном уровне, внутри структурированного общества, стремление к истине (как модели устойчивой к изменениям) может быть просто вредно. Поэтому в обществе организуются пласты создателей и потребителей инфоцыганского и сходного контента. Этот пласт перераспределяет ресурсы внутри общества, но НЕ делает общество более адаптивным к возможным изменениям среды. Если общество начинает состоять только из таких людей, оно рушится, потому что не способно выдержать никаких изменений. Но в этом и хитрость эволюции. Выживают только те структурированные общества, где хоть как-то это (на личном уровне не эффективное) стремление к "истине" проявлено. Оно позволяет протащить общество через изменения за счет более устойчивых моделей (само)управления. И вот мы приходим через тысячи лет эволюции к состоянию, где "истина" сакрализируется, потому что (на личном уровне и в контексте общества) вообще непонятно нахрена это все нужно. Отсюда метафизическое представление Канта об истине как об имманентном свойстве суждения (как бы это часть способности мыслить, в принципе. Без нее нет смысла говорить об осмысленной деятельности). Но ларчик (возможно) открывается проще. Все общества, где "истина" это не ценность хотя бы для некоторой части людей, умерли. И все общества, где она обесценится, исчезнут. #life

Hashtags

Резултати

Намерени 4 подобни публикации

Търсене: #trainingdata

当前筛选 #trainingdata清除筛选
AI & Law

@ai_and_law · Post #750 · 26.01.2026 г., 08:04

🇺🇸TRAIN Act: U.S. Congress Moves Toward Mandatory AI Training Transparency Bipartisan lawmakers have introduced the Transparency and Responsibility for Artificial Intelligence Networks (TRAIN) Act in the U.S. House, aiming to give copyright holders access to AI training records to determine whether their works were used to train generative AI models without consent or compensation. The bill, led by Rep. Madeleine Dean (PA-04) and Rep. Nathaniel Moran (TX-01), follows a Senate version reintroduced by Senators Peter Welch, Marsha Blackburn, Adam Schiff, and Josh Hawley. This is the first time the TRAIN Act has been introduced in the House. The proposal is modeled on enforcement mechanisms used in online piracy cases and responds to the current lack of any clear process for creators to verify whether their content was ingested into training datasets. The bill has support from major creator and rights-holder organizations, including the Recording Industry Association of America (RIAA) and SAG-AFTRA, alongside groups representing musicians, publishers, and copyright licensing. If enacted, the TRAIN Act would shift AI copyright disputes from speculation to evidence by establishing a legal path to training-data disclosure. It would also add pressure on AI companies that do not currently reveal how their models are trained. #AIandLaw#Copyright#TrainingData#Transparency

AI & Law

@ai_and_law · Post #785 · 16.03.2026 г., 07:04

🇪🇺📖Study Finds Limited Availability of AI Training Data Disclosures Under EU AI Act Researchers from Trinity College Dublin report that information about AI training data required under the AI Act is often missing and difficult to locate. The law requires developers to publish summaries explaining how their models were trained, using a disclosure template designed to help copyright holders enforce their rights regarding the use of copyrighted material in AI training. A pre-print study funded by Mozilla found that only a small number of such summaries could be identified. The researchers also found structural issues in accessing the disclosures. The AI Act does not specify where companies must publish the summaries, leaving the decision to developers. As a result, no common publication mechanism exists and practices vary widely. The template created by the European Commission AI Office has led to heterogeneous implementations, making it difficult to determine whether the available documents meet EU transparency requirements. Most of the identified disclosures were produced by smaller organizations, including documentation for Switzerland’s Apertus national model. A document published by Microsoft for one of its open-source models was also reviewed, but the study found that it lacked several required details. Researchers recommend creating a centralized portal for publishing transparency summaries to improve accessibility and support enforcement once the AI Act obligations become applicable in August. #AIAct#AITransparency#TrainingData#Copyright#AIGovernance#AIRegulation#EULaw

Venture Village Wall 🦄

@venturevillagewall · Post #3551 · 20.12.2024 г., 09:32

Fraction AI Raises $6M Fraction AI successfully secured $6M in funding for its groundbreaking project aimed at democratizing access to high-quality training data for artificial intelligence using Web3 technology. The funding round concluded on December 18, 2024. #FractionAI#Funding#AI#Web3#TrainingData#TechInvestment#Innovation#DataDemocratization

AI & Law

@ai_and_law · Post #783 · 12.03.2026 г., 07:04

🇺🇸Court Allows Enforcement of California AI Training Data Disclosure Law A US federal court has denied a request by Elon Musk’s AI company xAI to block enforcement of California Assembly Bill 2013. The law requires AI developers whose models are accessible in California to publicly disclose key information about training datasets, including dataset sources, collection timelines, whether collection is ongoing, and whether datasets contain copyrighted, trademarked, patented, or personal data. Companies must also indicate whether training data was licensed or purchased and the extent of synthetic data used. xAI argued the law would force disclosure of trade secrets, including dataset sources, dataset sizes, and data-cleaning methods. According to the company, such transparency could allow competitors to infer what datasets it uses and replicate its approach. The company warned that compliance could be “economically devastating” and reduce the value of its proprietary data practices. However, US District Judge Jesus Bernal ruled that xAI failed to demonstrate that the law requires disclosure of protected trade secrets. The court found the company’s claims too general and based largely on hypotheticals. The motion for a preliminary injunction was denied, allowing the law—which took effect in January—to remain in force while the lawsuit continues. #AIRegulation#AITransparency#TrainingData#TradeSecrets#AIAct#AIGovernance#TechLaw