Потихоньку приближается 2026 год, который принесет много интересных событий в сфере ИИ (по крайней мере, так думаю я). Но и за 2025-й мы получили огромное количество отличных моделей в свое распоряжение. С одной стороны, здорово, что теперь можно легко создать текст, программу, изображение, видео и звук. С другой же стороны, такой стремительный прогресс в области искусственного интеллекта существенно повлиял и на аппаратное обеспечение - особенно на видеокарты и память.
Сегодня в статье мы разберемся в событиях, немного проанализируем и попытаемся понять, почему происходит сие не очень приятный процесс с памятью и GPU. Присаживайтесь поудобнее - я начинаю.
Память
Резкий рост цен на память
Как я уже говорил, рынок оперативной памяти и SSD переживает дефицит и рост цен из-за перераспределения производственных мощностей в пользу памяти HBM для систем искусственного интеллекта. Увеличение спроса на компоненты для таких решений сокращает объем выпуска обычных модулей, негативно влияя на цены и доступность продукции для рядового потребителя.
Согласно данным аналитиков, рынок испытывает серьезное давление вследствие резкого роста спроса на комплектующие, применяемые в ИИ-системах. Особенно остро стоит вопрос дефицита DDR5-памяти, цена которой взлетела многократно всего за три последних месяца.
Так, комплект Corsair Vengeance DDR5-6000 объёмом 32 Гб, который ранее предлагался примерно за 11 тысяч рублей, подорожал к декабрю до отметки в 33 тысячи рублей - рост в трое. Между тем производители отмечают увеличение стоимости этой категории товаров в каналах поставки на целых 500% с октября 2025-го. В результате комплекты объёмом 64 Гб сейчас стоят более 40 тысяч рублей, а отдельные торговцы задрали цену еще сильнее.
Не остались в стороне и твердотельные накопители. Высокоскоростные модели четвертого поколения NVMe, доступные летом по цене порядка 6 тысяч рублей, теперь предлагаются по 10 тысяч рублей. Причина кроется в росте стоимости чипов NAND на 60%, что непосредственно отразилось на конечной цене устройств.
Причины дефицита
Пожалуй, основная причина дефицита - перераспределение мощностей в пользу производства памяти HBM (High Bandwidth Memory), используемой в ускорителях современных моделей. В отличие от традиционной памяти, HBM использует вертикальную структуру с несколькими слоями чипов. Технология требует значительно больше ресурсов: один гигабайт HBM занимает втрое большую площадь на кремниевой заготовке, чем DDR5.
Результат такой ситуации - повышенный спрос. Однако компании не спешат расширять своё производство. Зачем? Ведь проще переориентировать уже существующие линии.
Именно так, гоняясь за спросом, Samsung, SK Hynix и Micron совершили разворот. Вместо увеличения общего выпуска они массово перенаправили свои мощности на изготовление HBM. Плюс ко всему стали сокращать выпуск DDR4.
Простым пользователям обидно, а для таких корпораций все логично. HBM приносит многократно более высокую прибыль, нежели обычная потребительская память. Возможности заработать миллионы долларов у производителей практически не ограничены. Таким образом, они формируют стабильно растущий рынок сбыта. Например, компания OpenAI подписала контракт на закупку до 900 тысяч пластин DRAM в месяц. Эта цифра приближается к сорока процентам всего мирового объема производства памяти. До обычных пользователей ли тут.
Как дела обстоят у простых обывателей и что нас ждет
Простые обыватели сталкиваются с достаточно серьезными проблемами: невозможность апгрейда, цены на готовые ПК стремительно растут, постепенно пробивая потолок, да и сокращается общий выбор комплектующих (их просто снимают с производства в пользу более выгодных вариантов). Обсудим все по порядку.
Апгрейд сегодня больше напоминает дорогую инвестицию. Простое обновление оперативной памяти теперь серьезно ударит по кошельку. Нельзя забывать и о проблемах с видеокартами, к ним вернемся чуть позже.
Готовые сборки также ощутимо дорожают. Помимо роста стоимости отдельных компонентов, сказываются высокий спрос и определенные ограничения. Так, ритейлеры в Японии и Европе ввели лимиты на покупку ряда комплектующих одним клиентом, стремясь избежать дефицита и хаоса среди покупателей.
Наконец - сужение рынка. Производства переключились на выпуск ресурсов для ИИ-систем. Актуальные компоненты пока еще остаются на рынке, пусть и в меньших количествах и существенно дороже, тогда как недорогие решения практически исчезли с полок магазинов.
Основной вопрос, вероятно, интересует многих: когда ожидать снижение цен? Эксперты и аналитики отвечают однозначно: возврата к ценам 2020 года ждать не нужно. Стоимость продолжит расти, ведь развитие технологий искусственного интеллекта остается приоритетом отрасли.
Аналитическое агентство Counterpoint Research прогнозирует дополнительное повышение цен на память еще на 20% в первой половине 2026 года. Это значит, что стоимость увеличится вдвое относительно начала 2025 года. Согласно данным компании TrendForce, ожидается рост цен на модули DDR5 на 30-50% каждый квартал в течение первого полугодия 2026 года.
Небольшое отступление
Хотите попробовать какую-то модель? Воспользуйтесь агрегатором нейросетей BotHub. Список нейросетей там обширен - от работы с текстом до транскрибации и генерации видео. По специальной ссылке для регистрации можно получить 100 000 капсов для собственных экспериментов.
Видеокарты
К сожалению, развитие ИИ-сферы затронуло не только память, но и GPU.
Ажиотаж вокруг видеокарт
Розничные сети и маркетплейсы зафиксировали интерес к видеокартам, причем пик активности пришелся на конец 2025 года. Продажи выросли на 124% по сравнению с серединой года. В годовом выражении прирост составил 400%.
Продажи б/у вариантов увеличились на 64% относительно предыдущего года. Спрос на конкретные модели GeForce подскочил на 70%. Тем не менее, по данным Mobile Research Group, рынок сократился примерно на 20%, а средняя стоимость видеокарт, согласно оценке Fplus, уже увеличилась на 15–20%
Причины
Главным фактором, который обусловил рост цен, безусловно, стало стремительное развитие технологий искусственного интеллекта. Разработка и обучение современных моделей требуют огромных вычислительных ресурсов и значительных объемов памяти. Чем сложнее модели становятся, тем больше аппаратных мощностей требуется дата-центрам для их эффективного функционирования.
Это создает прямую связь между спросом и стоимостью производства комплектующих: чем выше требования к объему и мощности, тем дороже обходится ее производство. Здесь мы видим первую причину резкого повышения стоимости видеокарт.
Кроме того, ведущие мировые производители полупроводников и электроники начали активно переориентироваться на выпуск высокопроизводительных решений для ускорителей искусственного интеллекта и специализированных процессоров, предназначенных именно для вычислений в области машинного обучения. Такая стратегия производителей неизбежно привела к сокращению (или полному отказу от) выпуска стандартных массовых микросхем, используемых в потребительских вариантах.
Из-за дефицита традиционных модулей памяти значительно выросли затраты на комплектующие, используемые в производстве видеокарт. Это особенно заметно повлияло на стоимость графической памяти, ведь современные видеокарты оснащены большими объемами VRAM, необходимой для обработки сложных визуальных эффектов, расчетов современных моделей и их обучения. Повышение затрат на компоненты привело к росту конечной цены продукции, продаваемой потребителям.
Как дела обстоят у обычных обывателей и что нас ждет
В настоящее время некоторые покупатели выбирают более экономичные варианты (частично по цене ранее топовых), такие как видеокарты предыдущих поколений и недорогие модели от китайских производителей.
Другие покупатели, напротив, осознают: чем дольше ждать - тем дороже и меньше товара останется. Поэтому применяют стратегию опережающего потребления. Мощные GPU приобретаются не только для игр, но и для профессиональной деятельности: монтажа видео, проектирования, локального запуска нейросетей.
Так же, как и в ситуации с оперативной памятью, видеокарты ждут аналогичный сценарий. Цены будут расти, а предложение сокращаться (не столько из-за изменения производственных приоритетов, сколько из-за ажиотажного спроса и массовой скупки с разных торговых площадок на первых порах).
Обновление своих пекарен
По большей части я затрону только ПК, но фактически переброс мощностей в сферу ИИ скажется на многих устройствах.
Период стабильности и относительной доступности компонентов подходит к концу. Если есть причины модернизировать компьютер или заменить комплектующие - затягивать принятие решения не стоит. Рынок демонстрирует рост цен, который каждый месяц снижает вероятность приобрести нужные компоненты по приемлемым ценам.
Эпоха относительного спокойствия на рынке комплектующих близится к завершению. Начинается перераспределение ресурсов, главным потребителем которых становится искусственный интеллект. Потребность моделей в вычислительных ресурсах огромна, производители активно закупают мощности, сокращая наши возможности купить необходимые компоненты по разумной цене.
Как я писал ранее - быстрее всего дорожают видеокарты и память. Рост цен происходит стремительно, динамика четко свидетельствует, что вскоре собрать приличный ПК (с запасом производительности на длительное время) за относительно небольшие деньги (в пределах 70-100 тыс.) станет затруднительно.
Отложив вопрос покупки сейчас, мы рискуем столкнуться с серьезным опустошением наших кошельков. Ценники продолжают расти, меняется лишь скорость роста. Чем дольше ждем, тем больше придется заплатить за итоговую конфигурацию.
Итог
Итак, реальность такова: рынок трещит по швам под давлением спроса, а предложение не спешит успевать. Ожидать, что цены когда-нибудь вернутся к былой норме - наивно. Новый ценовой уровень уже сформирован. Максимум, на что можно надеяться, - это замедление их роста, да и то не в ближайшей перспективе. Аналогичные сомнения касаются и объемов производства: даже если где-то на горизонте забрезжит рост выпуска продукции для рядовых пользователей, ничто не мешает производителям вновь перенаправить эти ресурсы в сверхприбыльную и прожорливую ИИ-сферу.
Спасибо за прочтение!
NeriaLab
Использование когнитивно-символьных систем (КСС) в контексте текущего "железного голода" выглядит стратегически выгодным, поскольку они, в отличие от ресурсоёмких нейросетевых моделей, требуют на порядки меньших вычислительных мощностей. Это не только снижает зависимость от дефицитных и дорогих GPU и HBM-памяти, но и открывает путь к созданию энергоэффективных, прозрачных и управляемых систем, особенно в областях, где критичны точность, объяснимость и надёжность. Выигрывают не только производители железа, но и символисты. В условиях, когда стоимость аппаратных ресурсов для машинного обучения зашкаливает, а цены только растут, предложение, которое даёт результат КСС, становится золотой жилой. Низкая себестоимость услуги при высокой готовности рынка платить за работоспособную альтернативу. И чем дольше это продержится, тем быстрее народ будет переходить на КСС. А когда общество "подсядет" на КСС, то к "глючному" и дорогому LLM - уже не вернутся. К хорошему быстро привыкаешь. Лучше просто не придумать - Идеальный Шторм
zVlad909
А можно объяснить для непосвященных людей что такое "когнитивно-символьные системы (КСС)" в контексте традиционного.классических понятий ИТ.
Спасибо.
NeriaLab
Это направление, которое пытается имитировать человеческое мышление через работу с символами и правилами, а не просто через математические веса и вероятности, как это делают нейросети. Свою "родословную" ведут с 1956 года. Первая логико-символьная система, прапрадедушка современных КСС, является - Logic Theorist (Ньюэлл, Саймон, Шоу) - Wiki.
Именно Аллен Ньюэлл и Герберт Саймон заложили тот крепкий фундамент, как для когнитивных наук, так и для будущих "мыслящих" машин, сформулировав гипотезу о физической символьной системе.
zVlad909
Понятно. Имеет смысл. Но мне кажется что противопоставление нейросетям с их ориентацией на "математические веса и вероятности, ..." КСС это тоже некоторое лукавство и ненужное усложнение. Ниже я напишу то что Вы конечно же знаете, но мне самому интересно что у меня получится в итоге и как Вы и другие читатели к этому отнесутся.
Компьютеры это устройства работающие на строгих математических операциях. Ни чего кроме этого компьютеры не делают и делать не могут.
Но программы могут написаны по разному и имеплентировать любые алгоритм. Именно алгоритмы, т.е. опять же нечто математически формальное и однозначное.
Нагромождение алгоритмов и добавления в них неких вероятностей и весов (коэффициентов) может конечно вылиться в результаты похожие тем что обычно является продуктов человеческого мышления, но это все равно останется продуктоми алгоритмов и математических операций.
Человеческий мозг не работает на основе математических/формальных операций. Мозг ничего не считае, не формирует веса, не подчитывает вероятностей. Мозг основан на химических реакциях и влиянии гормонов. Деятельность челоыеческого мозга, да и всех живых существ имеющих этот орган, происходит в учловиях обратной связи, которая воздействует на весь организм и при этом есть и не маленькая вероятность чтоэта деятельность приведет к разрушению всего организма и мозга с ним.
В результате миллионлетнего эволюционного отбора в мозге сформировались такие связи и химические реакции, которые позволяют организму выживать и совершенствоваться. Те экземпляры мозги которых приводили к негативным исходам на организм изчезли не дав потомства.
Компьютер, а точнее программы, не имеют обратной связи и не способны репродуктироваться по образу своему. Максимум что может сделать программа это выключить компьютер, но после этого вклбчить ей его уже не удастся. Живой организм может уснуть и проснуться.
Поэтому любые попытки (будь то ИИ или КСС) уровнять человеческий интелект (да даже интеллект кота, а у него он тоже есть) с работой любых программ на любых компьютерах это путь к саморазрушению, разрушению своего интеллекта.
NeriaLab
Вы с одной стороны и правы и ошибаетесь. Вы упустили одну маааааленькую деталь, которую я написал
Современные КСС, постепенно идут к ней, "долго и упорно" и в некоторых системах уже появляются первые зачатки реализации данной гипотезы, примеры:
Soar - новые механизмы работы с долговременной памятью (LTI), а у LLM на уровне ядра даже простой LTM нет;
ACT-R - моделирование физиологических состояний внутри архитектуры;
и т.д.
zVlad909
Я в ИТ больше 40 лет. Много чем занимался и много в чем достиг высоких резьтатов. Начинал программистом на языках заканчиваю пройдя по практически всем платформам (на сегодня их в принципе две осталось: МФ и х86-64, ну и еще смартфонов бесчисленное множество) и всем основным системам, Бд, разного толка сервреам. (Это не реклама и не растопыривание пальцев. Это факт жизни).
Никогда мне не нужно было ни КСС ни ИИ. Все было понятно и давало результат на уровне конкретных програмных продуктов с конкретными функциями и целфми их создания.
Сейчас нашёл какой-то морок и от всех и ото всюду только и слышно ИИ, ИИ, ИИ, ИИ. теперь еще и КСС. Как по мне хрень редки не слаще. И в том и другом случае обычные технические системы как бы воспроизводят (по разному) сугубо человеческую деятельность, а именно работу сознания/мышления.
Это может быть и имеет смысл, но только для оригинального словесного оформления того что техническим языком или лень выражать или не модно или, и что вероятнее, целенаправленно искажается чтобы создать видимость таинственности, волшебства, эзотерика другими словами.
В истории человеческой мыслительной практики этого было премного (таже упомянутая эзотерика) к этому в принципе относятся и религии. Вспоминается мне что и символизм как философское течение тоже было. Да вот оно собственно (поисковик выдал):
:Как можете видеть это не 1956 год, а гораздо раньше.
Человеку хочется почесать свои нейроны, всем уже за долгую историю чесали и дошли вот до нейросетей и КСС. Но делается это не старыми методами непосредственного воздействие на сознание, а через т.н. и переоцененные "высокие технологии".
Ни ИИ, ни КСС и никаие другие другие словообразования замешаные на божьем промысле позитивной ИТ тематике не нужны. Нужны все более и более сложные программы, с более широкими функциями и возможностями и их можно, и на самом деле это так и произходит, создавать простым и обычным программированием. Далеко не все такие программы написаны. В России вот даже нет программы для подачи годовой декларации и многоих других.
Но у Сбера есть ИИ и он мещает делать переводы денег. Мне лично недавно помешал посчитав что мой перевод не должен быть заблокирован. Пришлось битый час говорить с людьми в Сбербанке и в итоге переводь через Т-банк. Люди в Сбере со мной согласились, но сказали что сделать ничего не могут, это ИИ Сберка только может рещить. Вот вам и весь ИИ.
Вот еще что поисковик выдал если к строке "символизм философия" добавить "ИТ":
NeriaLab
Вы ушли в философию ИИ. Да, о ней можно и нужно говорить, но за чашечкой хорошего кофе или бокалом виски, но не в комментах. Я бы с радостью с Вами пообщался на эту тему
В комментах я акцентируюсь на техническую сторону, решения и применимость, той или иной технологии
zVlad909
Нет никакой философии у ИИ. Это чисто комерческое явление. КСС в этом плане ближе к философии, точнее мистике.
Я тоже бы пообщался не в комментах. Но где? Сидим мы нынче по домам и общаемся в соцсетях.
Виски я не люблю, предпочитаю водку. Но это, конечно, же не преграда для общения.
NeriaLab
Нет не преграда, есть: самолёты, поезда, автомобили и приехать можно куда угодно, было бы желание. Но даже, сидя дома, можно общаться. Я со своей командой, так и общаюсь - дистанционно, так как все все живут в разных страна и на разных континентах, от Японии до Бразилии (если на запад лететь), ко всем не наездиться
dyadyaSerezha
А она уже есть и доступна, эта альтернатива, которая даже лучше самых крутых LLM?
NeriaLab
Да, конечно, любая на выбор, с разными специализациями, как open source так и с закрытым ядром :Soar, ACT-R, CLARION, CRAM и т.д. и т.п.. Только за декабрь мы помогли интегрировать в 3 организации КСС - люди довольны, что сэкономлены миллионы рублей в год и только на аренде оборудования + облегчили работу ИБ (в КСС невозможны промт-инъекции ну и т.п.). Всего было проведено 7 закрытых показов с возможностями: Soar, ACT-R, ну и нашей конечно. Заказов и желающих стало так много, что нам приходится "делиться" ими с другими командами в регионах/странах, как и с нами делятся.
dyadyaSerezha
Тогда почему нет великого хайпа, какой был на тему LLM и ChatGPT?
Зашиваетесь? Берите меня, помогу)
NeriaLab
Широкое заблуждение, почему когнитивно-символьные системы (КСС) не вызывают такого хайпа, как LLM, заключается в том, что их ошибочно считают простыми, устаревшими экспертными системами, которые якобы в разы слабее LLM. Это представление неверно.
Современные КСС далеко ушли от своих "предшественников". Проблема масштабируемости, которую часто ставят им в вину, давно решена с помощью технологий объединения систем в "группы" для решения комплексных задач. В нашей системе - это "триады". Более того, миф о том, что КСС не могут "общаться" с пользователем из-за отсутствия интерфейсов, также не соответствует действительности, т.к.у большинства таких решений есть готовые модули для взаимодействия на естественном языке.
В результате, разница в хайпе объясняется не техническим превосходством LLM, а тем, что их эффект, в своё время, был более наглядным и доступным для массового пользователя. В то время как потенциал КСС, способных обеспечивать прозрачную логику и достоверность ответов, остается недооцененным из-за этих поверхностных стереотипов.
У нас уже есть своя давно сформированная команда + мы уже второй месяц обучаем людей на вебинаре. Вы сможете ответить на эти 3 вопроса, даже сами для себя, без подсказок со стороны (подсмотреть у LLM) - это просто надо знать. Ведь в при живой встрече, Вы "поплывете", если не знаете:
Если система ошибается, как понять, в каком именно месте логической цепочки это произошло?
Как научить систему новому правилу (например, новому закону), не заменяя предыдущие знания?
В чем принципиальная разница между "угадыванием" слова и логическим выводом?
uranik
Есть веб страничка с чатом потестить?
NeriaLab
Вы просили чат с КСС? Пожалуйста - OpenNARS (GitHub). Только предупреждаю: это не "зеркало для потехи самолюбия", как GPT. Она понимает только логические утверждения. Если вы не можете объяснить ей свою мысль на языке предикатов, то проблема не в системе, а в структурированности Вашего запроса. Попробуйте доказать ей, что Вы разумны
P.S. Еще раз напомню любителям "початиться" - КСС создавались не для светской болтовни, и цели у них принципиально иные. Да, у большинства КСС есть интерфейсные модули для ввода/вывода данных в текстовом виде, но для "развлекаловки" они не годятся.
Это как выбор собеседника, вы можете общаться с обаятельным глупцом, который за словом в карман не лезет, может соврать и не поморщиться, или с "ботаном", который всегда прав, и не будет тратить время на пустые разговоры. КСС - это про второй вариант. Если Вам нужно "шоу" - используйте LLM, если нужна истина и проверяемая логика - добро пожаловать в мир символьных систем.
vikarti
Ну то есть по сути - далекий потом пролог'а и Cyc'а?
Или я не в том направлении думаю?
NeriaLab
Да, это "потомки" тех самых систем
vikarti
И тогда получается что кроме "движка" нужен огромный труд по наполнению базы вручную. Каждый раз?
Или что с opensource версиями баз? (с LLM то имеем кучу openweight решений, есть даже и решения с open dataset(на котором они учились)). А с возможностью хоть как то автоматизировать их создание на практике).
Кстати статья habr.com/ru/articles/822157/ - более менее внятно ACT-R / SOAR описывает?
Вообще - можно какую то вводную статью для чего КСС сейчас вообще используются на практике?
NeriaLab
Давайте по порядку.
Всё, что находится в ядре, да, всё надо вводить ручками, проверять и перепроверять, иначе Вы никогда не достигните планки в 80% точности, если базовые знания у Вас не валидны. А минимальная точность всей системы (ядро + модули) должна быть не менее 95% - это негласное правило существует с конца 80ых;
Вы про статью "Как воссоздают человека при помощи ИИ?" - автор не то, чтобы запускал данные системы, он даже документацию и историю этих систем не читал. Меня напрочь убила эта фраза "когнитивных нейросетей" и всё в таком духе. Можно было бы написать опровержение этой статьи, если бы оно было бы "вот сейчас" опубликовано, но увы, оно прошлогоднее. Проще новую написать, с 0 и со всеми примерами фактами;
Что касается автоматизации и Open Source? Тут важно разделять подходы:
- Модульные экстракторы - "классический путь". Некоторые разработчики пишут собственные специализированные "модули извлечения знаний" (knowledge extractors). Они работают на детерминированных алгоритмах (NLP-парсинг, анализ синтаксических деревьев). Это надежно, но медленно и требует настройки под конкретную область знаний. Зато на выходе - чистая логика, которую легко верифицировать;
- LLM-прослойки - экспериментальный путь. Другие разработчики КСС, используют LLM как "чернового рабочего", чтобы быстро набросать структуру базы из терабайтов текстов. Но тут есть ловушка, всё, что выдает LLM - это вероятностная догадка. Поэтому в серьезных КСС такие данные никогда автоматически не попадают в "ядро". Они висят в карантине, пока их не подтвердит либо эксперт-человек, либо формальный прувер, но чаще всего они попадают, после всех проверок, в обычную БЗ;
В этом году реализовали (вернее сам прорыв был в прошлом году, но реализовали его в этом) - полное динамическое самообучение с полной верификацией данных - здесь LLM вообще не догонят;
"Где используются?" - Если кратко, там, где нельзя ошибаться ("галлюцинировать") и где важна полная объяснимость: робототехника; сложное производство; медицина, юриспруденция и т.д. В сферах, где цена ошибки - человеческая жизнь, я лично, LLM "не подпустил бы на пушечный выстрел".
kenoma
Последний коммит 5 лет назад, что, сразу хороший получился?
dyadyaSerezha
Кажется, я знаю ответы из общесистемных софтверных представлений. НО какая разница если вы не набираете людей.
NeriaLab
При формировании команды мы отдаем приоритет специалистам, уже владеющими КСС. Если же человек еще не выбрал сторону: "символисты" vs "коннекционисты", то мы готовы инвестировать в его обучение - "чистое сознание" гораздо восприимчивее к строгой логике.
Наш первый опыт проведения вебинара подтвердил печальный факт: "переобучать" "убежденных коннекционистов" крайне тяжело. Люди, привыкшие полагаться на "кашу знаний" нейросетей, с трудом переходят к детерминированному моделированию знаний и формальной логике. Куда проще заложить правильный фундамент с нуля, и приучать человека "мыслить структурами и каузальными связями".
P.S. Недавно пили кофе в "Афимолле" (Москва-Сити) с одним знакомым Data Scientist’ом. Человек умный, мудрый, мы с ним примерно одного возраста, и оба давно в индустрии. Два часа глубочайшего общения об архитектурах и будущем ИИ, но... как только перешли к вопросам касаемо КСС, он буквально "поплыл" на базовых вещах.
Он искренне пытался объяснить, как он видит процессы обучения и вывода в символьных системах, используя привычный ему "статистический аппарат", но в нашей парадигме это просто не работает. Ирония в том, что в мире LLM он - признанный Senior, но для когнитивно-символьных архитектур он пока даже не Junior, потому что там нужно не "подбирать веса", а проектировать онтологии и формализовать рассуждения.
Мы договорились встретиться в следующем году - этот человек обладает редким качеством: он готов учиться и признавать ограниченность текущих методов. Но, к сожалению, это исключение. Большинство "убежденных коннекционистов" заперты в догме "LLM = AI", и сдвинуть их с этой точки, увы - невозможно.
dyadyaSerezha
Я ни тот, ни другой, я программист с образованием прикладного математика.
NeriaLab
Я обещаю Вам, что будет очень сложно, но жутко интересно. Обычно все начинают сразу изучать исходники КСС без этого этапа подготовки и, естественно, ничего не понимая, бросают со словами: "Это слишком сложно". Но если не испугаетесь, то Ваш путь будет начнётся так:
1. Точка старта - рождение "Логик-теоретика" (1956). Вам нужно увидеть момент, когда ученые впервые доказали - машина способна не просто вычислять, а манипулировать символами для доказательства теорем;
2. Изучить историю развития КСС от 1956 до 2025;
3. Magnum Opus: постарайтесь ознакомиться с работами Ньюэлла и Саймона. Глубоко изучите последнюю и величайшую работу Ньюэлла - "Unified Theories of Cognition" (1990);
4. Биологический фундамент - изучите основы работы мозга животных, птиц, человека, насекомых, рыб. Как решают задачи врановые? Как устроено внимание у приматов? Как мозг выбирает, на что направить ресурсы? Вы должны увидеть разницу и сходство между биологическими процессами и их символьными моделями;
5. Изучите азы когнитивных наук - последний фундамент, на котором стоит вся дисциплина. Вам нужно погрузиться в базу:
Когнитивная психология: как работают память и восприятие;
Лингвистика и Философия сознания: как мы переводим реальный мир в систему внутренних символов и категорий;
Антропология: как развивалось наше мышление;
После того, как у Вас будет эта теоретическая база, тогда Вы сможете перейти к анализу архитектурных спецификаций и программного кода таких систем, как Soar или ACT-R. Вы будете четко понимать назначение каждого функционального модуля: почему память разделена на декларативную и процедурную, как работает цикл принятия решений. Затем, мы сможем говорить уже и о других вещах касаемо КСС, но уже в личной переписке