TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #948 · 19.01
Вдогонку к Миру Полудня послушал "Попытку к бегству". Спойлерить не буду, но Стругацкие здесь поднимают идею, которую позже развивают в "Трудно быть богом", и которая несколько в другом виде встречается, например, в "Этическом инженере" Гарри Гаррисона. И вот на этой теме, как мне кажется, жёстко ломается гуманизм и вообще современная классическая гуманистическая идеология, сейчас поясню. В теории радикальный гуманизм очень устойчив к контраргументам, потому что все вменяемые люди хотят жить и хотят, чтобы были живы их близкие. Идея, которая ставит во главу угла ценность человеческой жизни, проста, понятна и выглядит той самой максимой, к которой должно стремиться любое общество. Из-за этого другие идеи, являющиеся производными от неё, сложно отбивать какой-либо риторикой. Например, представление о полной недопустимости физического насилия, кроме как в ответ на другое физическое насилие — на уровне практического понимания работы общества мы знаем, что эта идея нежизнеспособна, но формально спорить с ней означает атаковать частичку гуманизма, который в некотором смысле непоколебим. Вот и герои "Попытки к бегству" добрую половину произведения мучаются, тупят и совершают ошибки из-за своего гуманизма, а в какой-то момент даже начинают сильно раздражать этим (уверен, именно такова была задумка авторов). Однако, гуманизм не может предложить вообще никакое нормальное решение в следующей ситуации (и об этом вообще всё произведение): вы развитая гуманистическая цивилизация натыкаетесь на неразвитую варварскую, в которой часть людей (условно, рабы) жесточайше страдает и умирает из-за другой части людей (условно, господ). Что делать? Оставить всё как есть нельзя — рабы же страдают и умирают. Убить всех господ тоже нельзя — негуманно. Забрать рабов с планеты бессмысленно — господа поделятся на новых господ и новых рабов. Аналогично если забрать господ. Каким-то образом изменить сознание господ, чтобы они отказались от рабов — это нарушение свободы воли, эквивалентно, как было в "Трудно быть богом", убийству одного человечества и созданию на его месте другого. В общем, что бы мы ни придумали, нам неизбежно придётся отойти от понятия ценности индивидуальной человеческой жизни и начать мыслить такими категориями, как стадии развития общества в целом, которые оно должно сначала пройти, чтобы достичь какого-то уровня. И выходит своего рода парадокс: мы не можем применять гуманизм целиком до тех пор, пока наше общество не стало целиком гуманистическим. А оно не стало, пока мы не применяем гуманизм целиком. Вот вам и поломка модели. #fiction#life
Търсене: #mlm
@profcen · Post #383 · 16.08.2023 г., 09:03
Поэтому вести борьбу с купцами счастья нужно неустанно и постоянно, как за зарплаты и нормальные условия труда. Победа на этом фронте сулит значительные успехи и на остальных. Не слушайте игры нарядных дудочников. Думайте. Боритесь. @profcen_bot #инсайд#мошенничество#mlm#сетевоймаркетинг
@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