Аналитика Telegram-канала
Подписчики
100
Публикаций
23
Динамика подписчиков
7 дней
30 дней
6 месяцев
Больше
14 ноя17 ноя20 ноя
Показаны последние 7 дней
Больше истории →
Охваты публикаций
29.1030.10
10
Средний охват
18
Лучший результат
Показаны 2 публикации — последние в канале
Больше статистики →
Упоминания
1
Упоминаний
0
Из них репостов
1
Каналов
0
Упоминаний за 90 дней
0
Из них репостов
0
Каналов за 90 дней
Последние посты
2 из 23 2 из 23
Почему ИИ-системы плохо справляются с обобщением и моделированием
Давайте поговорим о том, почему искусственный интеллект до сих пор плохо справляется с настоящим исследованием — а именно с обобщением и моделированием. Эти два интеллектуальных преобразования лежат в основе любого серьёзного анализа, и именно здесь большинство современных инструментов, обещающих «гиперисследование», терпят фиаско. Они перекладывают эту работу на большие языковые модели, которые выполняют её формально, без понимания сути.
Первый изъян — отсутствие сравнения как метода познания. Возьмём практику создания deepresearch отчетов — обзоров рынка или технологий. Я ни разу не видел в них указания на то, что популярный подход может быть изначально ошибочным, распространённым мифом или откровенным блефом. Хотя таких «мертвых» практик — как минимум половина в любой области. Почему системы этого не делают? Потому что сравнение требует усилий: в обществе легко распространяются простые истории, а сложные — не укладываются в головы, не цепляются. Искусственный интеллект, обрабатывая массивы данных, редко останавливается, чтобы сверить доказательную базу разных утверждений и выявить противоречия. Это ресурсоемкая исследовательская работа, но она почти не встречается в автоматизированных инструментах.
Второй изъян — поверхностная оценка достоверности. Человек за доли секунды распознаёт SEO-статью: отсутствие первоисточников, безумные утверждения, выдумка. Языковые модели же годами воспринимали топ выдачи поисковика как истину, не различая градаций убедительности. Мнение, единичный кейс с неверной интерпретацией, неточный пересказ — всё это подавалось как факт. Проверить точность цитирования можно лишь одним способом: скачать оригинал и сверить. Для этого нужна агентная система, способная самостоятельно добывать и верифицировать источники. Таких систем почти нет, а промахов в обобщении — десятки и десятки.
Многие лаборатории и вендоры декларируют, что задача обобщения решена. На деле она далека от завершения, и здесь ещё предстоит огромная работа.
Что же тогда предлагает Knowlume? Наш сервис не претендует на автоматическое устранение этих проблем — мы ещё не вышли на этот уровень. Сейчас Knowlume реализует первую часть исследовательского конвейера: находит источники, извлекает из них текст, разбивает на фрагменты, типизирует и оценивает их. Следующий этап — работа с этими фрагментами: замечать, что две практики из разных источников обещают схожий результат из схожих условий, но противоречат друг другу в деталях. Тогда нужно либо исследовать глубже, либо пометить одну из практик как ошибочную. Это пока остаётся за исследователем. Knowlume поставляет среду, где такая работа становится возможной — шаг в нужном направлении, хотя и не финальное решение.
ещё
18
0
1 30 окт, 14:05
⭕️️️️️️️ Knowlume временно лежит из-за технических неполадок, скоро починим
ещё
1
0
29 окт, 16:15
Продолжить анализ этого канала
- История роста подписчиков
- Просмотры и охваты публикаций
- Кто упоминает канал и кого упоминает он
- Похожие каналы и подбор для рекламы
Открыть аналитику
Демо до 14 дней