Как машины учатся интуиции через глубокие рассуждения

В этом видео мы рассмотрим, как современные системы искусственного интеллекта принимают мгновенные решения за один проход, перенося целенаправленный поиск в нейронные сети с фиксированной вычислительной мощностью. Мы изучим теорию и реализацию моделей Системы 1 и Системы 2, прослеживая их взаимодействие на примере AlphaGo, дистилляции знаний и моделей мира JEPA Яна Лекуна. Наконец, мы разберем, как проектировать каскады производственных моделей с калиброванной степенью достоверности и как защищаться от сбоев, таких как сдвиг распределения. Социальные сети: ====== BuyMeACoffee: https://buymeacoffee.com/thesynthetic... TikTok:   / the.synthetic.mind   Instagram:   / the.synthetic.mind   X: https://x.com/yyz_arash X: https://x.com/synthetic__mind Разделы: ======== 0:00 Мгновенные решения против глубокого рассуждения 1:12 Определение вычислительных ресурсов системы 1 2:42 Амортизированный вывод и пробелы поиска 4:32 AlphaGo: Интуиция и поиск по дереву 6:13 Экспертная итерация и дистилляция 8:11 Мировые модели и архитектуры JEPA 10:29 Калибровка уверенности модели 12:21 Проектирование производственного каскада Маршрутизатор 14:16 Сдвиг распределения и режимы отказов 16:01 Амортизированное мышление на практике #АмортизированныйВывод #ДистилляцияМоделей #МашинноеОбучение #ИскусственныйИнтеллект