боль - новые посты - прикольные картинки, мемы, комиксы, гифки на JoyReactor
sfw
nsfw

боль

71
1824
pupsi4onok
pupsi4onok
2 нед.

Отличный комментарий!

Разве жесть в теги не тогда, когда кого-то прям кровь кишки распидорасило в кадре? Ну или когда муху убивают
A7ttim
A7ttim
3 нед.

Crunshy. P2. Как (не) генерить

Как раз сегодня был вопрос. Нюансы очень долго расписывать и тянет на отдельный пост.
Тут личное мнение. "Кто не вайбкодит - вайбкодит больше всех". Как минимум, в Гугле все запросы теперь идут через промпт. Опишу где это в нашем геймдеве хорошо работает, а где плохо.
СЛЫШЬ
Купи / Мем с Сэмом Альтманом и текстом 'СЛЫШЬ' над головой и 'Купи' внизу.,crunshy,gamedev,Игры,длиннопост,llm,боль,Сэм Альтман
Пошлепаем?
,crunshy,gamedev,Игры,длиннопост,llm,боль,Сэм Альтман
В своей игре случился полный провал с применением LLM в коде. Возможно, к лучшему, а то хватает своих тупняков в C# портянках. А получить хотя бы пару итераций на качество кода хотелось бы... В моем случае это не сработает, и это не проблема скиллов промптинга. Да, у каждого проекта своя допустимая доля ИИ. Доказанно, что успешно работает генерация кода для 1 или 2 простых и всем известных механик. Беда, что это клоны других проектов.
Гоните меня, насмехайтесь надо мной. Прошел курсы промптинга и даже вайбкодить не научился!
Во-первых, у меня гексагоналка. LLM плохо отличает плосковершинные и островершинные гекс сетки. Да, на тексте он может объяснить, но в попытке сваять код, обученные слои забайпасят это ключевое отличие и генерация стукнется на второй же функции. Стукнется ошибкой и скажет, что у него лапки на 7ом промпте исправлений. Модель начнет копировать то, что чаще встречается в сэмплах обучения.
Во-вторых, у меня основная механика задана через малоизвестный всем инженерам ECS, где любая ошибка приводит к фатальному снежному кому багов или к трехступенчатым крашам. Это как маленький ядерный реактор, который питает сам себя сообщениями "вот тут грохни 10 сущностей", а вот тут заспавнь на их место новые. Зато, это оптимизирует игру и открывает простор бесконечным комбо-механикам, это путь к клеточному автомату. ИИ просто не умеет в ECS, у него очень мало успешных сэмплов с ECS играми для обучения. Разумеется, я убил недельку и попробовал frontier модели. Все завалили задачу успешно, разломали геймдизайн и насыпали крашами. Даже с документацией по Arch вышел провал, модель его не знает.
И так, почему так много проблем при попытке затащить миньона в работу? Почему зависит от проекта?
Знакомая всем боль, загибайте пальцы:
1. Контекст. Если раньше было 2 - 3 промпта до начала деменции модели, сейчас просто 10 - 15 и сжатие за % недельной квоты. Значительного скачка с GPT4/Claude3 не произошло, модели подходят к пику и раздулись в стоимости, а инвесторы уже хотят вернуть вложенное. Поэтому, способности модели балансируют между жесткой квантизацией, бенчмарками и желанием дэмпинга китайских конкурентов. Довести взаимодействие 2х механик можно. Вот на 3х и больше механиках контекста уже не хватит. Почему? Это обработка комбинаторных связей по всем точкам соприкосновения и вовлечение большего кол-ва данных. Жить вообще можно, если долго декомпозировать механику на независимые составные и на каждую мелкую задачу заводить новый промпт.
2. Оригинальность. Удобно стянуть доку, Stack Overflow ответы, скриптик на 1 раз, склонить реп, найти распространенный подход, поиграть в угадывание и реверс. Короче, интерполяция и экстраполяция на уровне текста. Но модели криво транслируют новые идеи, т.е. ничего нового они не знают и придумать не могут, а рандомный шум им в этом не помогает. Вообще, оригинальности настолько нет, что можно через модель воровать чужие репы простым переписыванием кода на другой кодстайл и архитектуру.
3. Логика. Адекватный код просто транслирует геймдизайновое описание. Модель соберет пример из интерполяции двух источников: геймдизайн и известные репозитории. Дальше на деталях модель начнет циклировать, т.к. базе обучения нет семплов для интерполирования деталей. Это байасинг. В этот момент расписывать пример на псевде медленнее, чем поправить руками сгенерированный участок.
4. Референсинг. Паттерны архитектуры кода очень легко даются модели (как текст). Модель может их разжевать. Но отдельная боль по 2D. Мои глаза... В итоге, от StableDiffusion мы не ушли. Да, это оригинальная замена Pinterest. В плане оригинальности это интерполяция между перпективами и морфинг под референсы из промпта (если нужна перспектива с другой стороны, есть бесплатный NanoBanana). Однако, если было рисование в школе и пара уроков в Photoshop, то уже весьма мощно сработает скетчинг человечками-огуречками на вход модели. Еще можно менять стиль готового изображения. Но все еще плачевно, что модели картинок опускают детали. Поэтому считаю, что 2D промптинг и генерация видео - это отдельный долгий труд, просто на другом стеке инструментов и с ручными фиксами.
5. Риски. Их нет только сейчас. В последствии, регуляторы признают ИИ такой же БД. На результаты ИИ выкатят иски или роялти в зависимости от процента схожести с исходным сэмплом из обучения. Будут суды на десятки лет. А так, ИИ-контент - это такой же User Generated Content на основе сэмплов в базе обучения. Недавно Disney выкупили Character.ai. Как думаете, связано ли это с рисками плагиата?
6. Дороговизна. Как мы дошли до того, что платим за поисковик? А вот как: позволили поисковику в качестве поискового запроса принимать файлы. Занавес. Касса. Кризис чипов. Рецессия. Если подписки в 20$ не хватает, проект превосходит масштабы одного человека и ИИ превышает полномочия просто инструмента, он стал инструментом прототипирования для токен-макксеров. У нас же, рядовых прогеров, просели зарплатные вилки или сами платим за модели. На 200$ можно питаться целый месяц.
7. Усталость. Трудозатрат столько же. А вовлечение нулевое. Если модели могут делать в 3 раза больше работы, это значит мы будем делать в 5 раз больше работы. Даже экстраверт выдохнется объяснять, что ему надо от несчастной модели. Это постоянная педагогическая работа по составлению инструкций и обучению своих agents.md. Ситуация делится на два случая. Бебби-ситтинг - это инженер долго писал промпты, чтобы аккуратно подбить функцию и не нарушить интерфейс. Самостоятельность - это вайбкодер жмакнул Enter, ушел, а за полчаса агент подогнул архитектуру под один кейс и агент отправил пушем в ветку прямиком в ревью. Кто из них больше напрягается? Оба. Вайбкодер просто взял долг на ментальный gangbang в ПРе.
( ͡° ͜ʖ ͡°)
8. Контроль. Он будет безнадежно утерян со временем. Это как похмелье в понедельник с долгого застолья. Появится лже-амнезия на незнакомые участки кода и даже уголки проекта, куда не ступал IDE человека. А, ведь, ничего такого не проскакивали в коммитах. При возникновении бага возникнет ступор: а где это чинить? Зато, модель все знает. Она глянет по .md заметкам других агентов, прошуршит код регулярками. Это становится точкой отказа.
9. Ложь. Сам же полученный результат часто следует цитате "Представьте, что описываете собаку тому, кто ее никогда не видел, а затем просите ее нарисовать. Что-то может и получится нарисовать, но полностью - вряд ли. Ведь дьявол кроется в деталях. На расстоянии смотришь - вроде бы и собака, но если глянуть ближе...". Т.е. этот код прошел тест кейсы, но заложенного смысла в нем нет. Это два проводка, и их примотали изолентой сквозь паутину комка неиспользованных проводов. Почему? Модель при обучении видит, что помимо кода решающего задачу, есть еще код других задач и захватывает его, без понимания, нужен он или нет. Только критическое мышление хорошо выспавшегося ревьювера позволит это заметить. Поэтому, чем меньше кода модель генерирует, тем он логичнее и чище.
Набрали 4 из 9? Пора в отпуск и делать ИИ-детокс.
В итоге, любая попытка втянуть код с промпта дала регрессию и код был выпотрошен, два раза переписан, а я потерял недели. На этом мои пути с LLM в моем проекте разошлись. Мне сейчас хватает поисковика с Гем. Подписки LLM для моей работы и по количеству затрат в конце недели остается уже не так много лишних токенов. Быстро протрассировать код, раздробить на компоненты, прибрать кодстайл, просуммировать лог - вот это мои ежедневные задачи для LLM за 20 баксов. И результат: в 5 раз меньше стуков по клавиатуре. Хотя, печатаю я очень быстро.
Минутка прогретого ИИ-стартапера:
- ОГО! Это настоящий AGI. Модель за 200$ собрала мне свой сервис за 5 часов из похожего MIT репозитория.
- Дружочек-пирожочек... ( ͡° ͜ʖ ͡°) Я тоже склонил, сконфигурировал и задеплоил локально похожий реп за 15 минут по мануалу копипасты в репе. А еще тебе надо закупать CDN хосты, авторизироваться в связанных сервисах и раскатываться в маркетплейсы, заполняя данные по политике в каждой витрине. SaaS с текстовой моделью уведет в убытки. Не сегодня, но уже через полгода.
Сервис и назначение опущены. Звучит не смешно, но при поиске работы я консалтил таких людей, разочаровывал и уходил без офера, вместо занятия непонятно чем. "За что уплочено, то наворочено"? Ну... Давать дяденьке мотать себе нервы и уходить снова в поиски через 3 месяца не хочется.
Где я точно сам плотно использовал модель? Сворганил ручками скетчи, вектор-элементы и конвертнул моделью в готовый сайт, но это отдельный проект. Он не супер-оригинален, а модели хорошо клепают трендовые шаблоны сайтов. Заработало! Но я периодически разбираю этот сайт руками. Например, на мобилках ничего не работает. Хоть где-то немного повайбкодил? А, нет, черт... ИИ политики безопасности по умолчанию не позволяют трогать конфиги индексации и настройки ботов и тут нужен веб-эксперт или курение документации. Но это другая история.
"Always use the right tool for the job". Генерить надо! И генерить то, в чем нет компетенции или до чего руки никогда не дойдут. Будут ресурсы, будет и человек, который это адекватно переделает. Если целью стоит научится, то снова помогут модели, которые расскажут базу новой области, если не соврут. Экспертов эти модели никогда не уделают, но уделают новичков. А еще ресурс воображения есть сейчас, а через год его уже нет. Когда этот ресурс правильно использовать? Сейчас.
Пузырь лопнет, инструменты останутся. Но все модели лоботомируют (квантуют) и зашьют в дешевые ASIC, вместо гибких GPU тензоров. Однако, еще есть время до конца дэмпинга, а хорошие и подкрепленные идеи не утонут на жестком диске.
Полезные ссылочки для начала вайбкодинга:
https://benchlm.ai - бенчмарк способностей модели.
https://gemini.google.com/app - всем известная бесплатная и быстрая модель, бесплатная генерация картинок.
https://github.com/Niko1221/Strata/releases - домашняя модель для GPU от RTX 4060.
Если интересно, то опишу контракты и паттерны для контроля ИИ. Это когда очень хочется делегировать код в генерацию, но не хочется потерять контроль.
На этом минутка мнения окончена, листайте до картиночек ниже. Дальше напишу, как продолжаю выпрямлять руки на 3D моделинге. Спасибо!
Набралось пунктов на ИИ-детокс?
Да
7(12,07%)
Не
11(18,97%)
Не понимаю в этом. Хочу игру с кошко-девочками
40(68,97%)
Gimalay
Gimalay
3 нед.

Отличный комментарий!

,гиф анимация,гифки - ПРИКОЛЬНЫЕ gif анимашки,трюкач,ловкость рук,слоумо,боль
Jarvis666
Jarvis666
1 мec.
Super Shogun
Super Shogun
2 мec.
Koolau
Koolau
2 мec.

Белок TRPV1 – ионный канал, отвечающий за возникновение боли при повышенной температуре

90° / Показана 3D-структура белка с двух разных углов, повернутая на 90 градусов, демонстрирующая сложные спиральные и листовидные образования в красном, синем и сером цветах.,Бенефис кринжа,приколы для полных дегенератов,#Приколы для полных дегенератов,Биология,Наука,белок,боль,показалось,песочница
Здесь мы собираем самые интересные картинки, арты, комиксы, мемасики по теме боль (+1824 постов - боль)