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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #36 · 3.06

Закончил «О дивный новый мир» Олдоса Хаксли, который рекомендуют читать в паре с «1984». В сети очень распространён иллюстрированный разбор со сравнением двух произведений, вот цитата оттуда: «Оруэлл боялся, что нас погубит то, что мы ненавидим. Хаксли боялся, что нас погубит то, что мы любим». В мире будущего жизнь каждого человека определена с рождения. Людей выращивают в пробирках и над каждой группой зародышей проводят особые манипуляции, а получившихся потом младенцев месяцами зомбируют гипнозом. Все это нужно для иерархического разделения и поддержания идеологии. Низшие касты — разнорабочих и прислугу — умышленно отупляют, внедряют им любовь к труду. Таких нужно много, поэтому их выращивают клонированием. Высшие касты — работники интеллектуального труда — создаются разными, но идеологическую промывку все равно проходят. В основу жизни человечества поставлено получение удовольствий. Крайне невежливо и даже в каком-то смысле запрещено отказываться от плотских утех. В свободное от работы время не полагается быть одному, а нужно тусоваться в компании и играть в игры. Если у человека возникают негативные эмоции: страх, грусть, обида, скука, то он должен принимать специальный синтетический наркотик под названием Сома. Я думаю, автор вдохновился латинским словом somnus — то есть сон. И правда, люди живут в постоянном полусне. Даже без учёта сюжета это восхитительная вселенная, которая с помощью гиперболизации говорит о нашем с вами мире. И даже более — о сегодняшнем, мире 2021 года, нежели о времени написания романа. В 1932-м представить круглосуточно работающий экран с развлекательным медиаконтентом в каждом доме было сложно, но сейчас — вы и сами знаете. Да и то, что называют сексуальной свободой, за сто лет изрядно развилось. Книга, кстати, очень хорошо демонстрирует суть работы идеологии и религии. Какие-то вещи видятся нам абсурдными просто потому, что мы воспитаны иначе. Так, например, в мире романа считается не очень правильным иметь МАЛО половых партнёров. Люди обсуждают там вопиющее поведение тех, кто недостаточно часто меняет сексуальные связи. В точности, как в нашем обществе критикуют тех, у кого, наоборот, много таких связей. С точки зрения работы идеологической и воспитательной машины в наших головах разницы между «много» и «мало» нет, но когда читаешь это, думаешь, что происходящее в тексте — полный абсурд. Аналогично автор описывает полностью выдуманные религиозные обряды, которые смотрятся максимально дико и глупо. Но, вы уже поняли, по сути разницы с существующими у нас религиозными обрядами нет. Только по форме. Отдельно мне понравилось, как менялся образ персонажей в моем восприятии с течением сюжета. Только я начинал проникаться к кому-то из них симпатией и видеть проблески настоящего человека, как автор показывал, что идеологическая или религиозная обработка неизбежно властна над всеми: персонаж проявлял себя с какой-то не лучшей запрограммированной стороны. В конце книги есть длинный эпизод, когда главный управляющий объясняет героям причины и преимущества построения подобного общества. И его аргументация очень сильна, мне даже особо нечего возразить, что весьма печально. У Оруэлла было понятно, что структура мира даёт выгоду только небольшой группе элит, а для остальных является нежелательной, но здесь с этим гораздо сложнее. Люди даже в нашей реальности без всяких пробирок видят счастье в тупости и примитивизме, любят бесконтрольное потребление и расслабляющие вещества, с удовольствием предаются абсурдным обрядам, не переосмысливают критически свою идеологию. Если Оруэлл описывает фантастический и ужасный мир, который ты воспринимаешь, как нечто далёкое и несуществующее, то у Хаксли фантастический и ужасный мир сшит из кусков объективной реальности вокруг нас, которая ещё и с каждым годом содержит подходящих кусков всё больше. #fiction

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #roberta

当前筛选 #roberta清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8817 · 20.10.2025 г., 20:41

⚡️BERT is just a Single Text Diffusion Step Любопытны пост, где автор объяснил на примере очень простую и очевидную, но мощную идею. Он заметил, что то, что мы называем диффузией текста, на самом деле - это просто обобщённая версия классического обучения BERT. Как работаетBERT? В BERT модель берёт текст и маскирует часть слов, а потом учится угадывать, какие слова были скрыты. В диффузии происходит почти то же самое, только шагов больше: на каждом шаге модель немного «портит» текст (добавляет шум), а затем восстанавливает его, всё меньше и меньше теряя смысл, пока не соберёт финальный чистый текст. То есть BERT делает один шаг очистки - угадывает замаскированные слова. А диффузионная модель делает много таких шагов подряд, постепенно превращая случайный набор токенов в осмысленный текст. Барри дообучил RoBERTa, чтобы показать это на практике - и получил настоящий текстовый диффузионный генератор. В примере: - Используется RoBER (улучшенная версия модели BERT,) и датасет WikiText. - На каждом шаге часть токенов заменяется на <MASK>, модель восстанавливает их, потом снова маскирует — и так несколько раз. - После нескольких итераций модель способна генерировать связный текст, даже без автогенеративного декодера (как у GPT). 📈Результаты - Модель генерирует осмысленный текст, хотя и не идеально связный. - Качество улучшалось по мере добавления шагов диффузии. - По времени генерации RoBERTa Diffusion была немного медленнее, чем GPT-2 (~13 сек против 9 сек), но архитектура осталась полностью encoder-only. Автор упоминает, что позже наткнулся на работу DiffusionBERT, где идею реализовали глубже и подтвердили результатами. Главная мысль: BERT можно считать одноступенчатой версией текстовой диффузии. Если добавить больше шагов, то vs получаем диффузионный генератор текста. Если BERT - это один шаг диффузии, то будущее может принадлежать моделям, совмещающим "понимание" и "генерацию" текста в одном процессе. https://nathan.rs/posts/roberta-diffusion/ @ai_machinelearning_big_data #AI#Diffusion#RoBERTa#BERT#LanguageModel#MLM#Research