В этом плане я очень даже согласен с Qraizer'ом в плане лёгкости программной верификации сгенерированного ИИ программного кода. Ибо синтаксис Пролога очень простой, разбор будет с минимальными затратами. Даже очень больших "портянок" кода. А вот уже сам процесс верификации - на совести верифицирующего.

И тем не менее ... В начале топика я намеренно обозначил Пролог не как замену нейросетей, а как дополнение. В моём понимании Пролог можно использовать как "расширения" для нейросетей со 100%-й достоверностью. Понимаю, что это не совсем понятно. Постараюсь объяснить на пальцах... На момент "сегодня" некоторые нейросетки (и мой любимый Grok Pro) определенные выводы не могут сформировать напрямую, они сперва генерируют свой код на Питоне, его там у себя исполняют, и потом выдают результат. Т.е. генерация кода делается в динамике, потом исполнение, и потом анализ результата исполнения. Вот тут и может пригодиться Пролог - как заранее отверифицированные кирпичики макро и микро подзадач. С другой стороны, при очередном обучении нейросети, эти уже верифицированные задачи можно опустить, ибо есть 100% правильная реализация задачи на Прологе (и есть ответственные товарищи), это конечно всё утрировано и совсем концептуально.

Не надо его восстанавливать. Импликации пофику, как получены A и B, она просто говорит, что A → B = F, только при T→F.

P.S. По сути в Прологе ты описываешь аксиоматику своей формальной системы, и на этом всё. Все промежуточные теоремы, полагаясь на которые решаются конкретные задачи, внутри Пролог-машины, и она сама их сгенерит, смотря какие понадобились и в каком количестве. Конечно, бывает так, что аксиоматика недостаточна. В конце концов Гёделя никто не отменял. Но формальную систему всегда можно расширить дополнительными аксиомами.

Как раз проблема в том, что бы восстановить алгоритм.

Ну это смотря в каком языке. В русском, вот, не уверен.

В целом у тебя всё правильно. Только ты упускаешь мои аргументы о верифицируемости. Цифры сиречь веса ты не верифицируешь без алгоритмов их потребляющих. А код и есть алгоритм. Даже если он декларативный, это всё равно алгоритм, т.б. поведение.

Веса это просто набор чисел. Они не содержат в себе взаимосвязей. Какое число с каким связано? Для этого надо знать структуру нейронки. А это значит, что надо знать конкретный многочлен. Это для линейной. А если нейронка не линейная (есть связи между непоследовательными слоями, или не дай бог в разных направлениях) то все, приплыли. Без знания архитектыры сети веса можно выкидывать. А язык программирования это как ни крути поток данных и поток исполнения. Да он предствит и стуктуру тоже... но это будет уже в разы сложнее и анализировать 111 Гб это не кнопочку в другой цвет покрасить. Во вторых, проанализировать все это не значит построить карты или восстанивать архитектуру. Это значит конкретно объяснить, как она сделал вывод что на картинке кошка, а не харек, например. А подобные вещи люди то себе не могут объяснить внятно.

Ну типа после слоава "пошел" обычно идет "домой"

... или ваапще в Федерацию Африканских Сил Специальных Операций!

Я тя по ip вычислю!

В последнем посте у тебя слишком много букв, которые не совсем по делу!

1) Сегодня вы обсуждаете решение проблемы, где в промежуточных решениях не может быть значения от квадратного корня от минус единицы
2) Завтра нейросетка "осилила" математический аппарат комплексных исчислений

Следствие: весь возможный платный месячный контекст обсуждений просто у гауно!!!

Cорян, и это от ИИ, мне тупо лениво напрягаться в печатанье букф:

Catastrophic Forgetting (катастрофическое забывание)
Дилемма стабильности и пластичности
Вычислительная стоимость и задержки
Отсутствие или задержка обратной связи
Дрейф данных (Concept / Data Drift)
Нестабильность поведения
Проблемы масштаба
Безопасность и контроль

Будем брать для этого другую нейронку... Упс, походу зациклились

За галюны есть куча версий. Г.о. ссылаются на вероятностный подход как причину, на то они и вероятности. Есть ещё мнения, что дело в том, что нейронки всеми силами пытаются угодить промту, и потому иногда срываются в подтасовки ради с их точки зрения большей значимости "понравиться". Код же, прологовый или какой другой не суть, не будет вероятностным. Ну, по крайней мере я так понимаю отчёт самого AI в стартовом посту. Пролог же тут всплыл тупо по причине, что он декларативный, а не императивный, что некисло так выгоднее в плане его формальной верификации.

Пролог несложно поддаётся математическому анализу на основе строгой мат.логики

Когда обучается, она это делает себе. Просто мы умные, и когда думаем, что харэ, давай работай, берём и сохраняем их в условный gpt-oss-20b-MXFP4.gguf, куда эти 20 лярдов параметров сливаем. Ну а тут будет не 11 Гб бинарник, а 111 Гб прологового текста. Чи не проблема...

...Удачи валидировать

Это с чего бы вдруг нейронка, которая сама себе че-то там генерит будет заботитсья о том, что бы какой-то там человек че-то там валидировал!?

во-вторых, эти правила поддаются валидации человеком, ибо исходный код на лице.

Лет 30 назад я ходил на курсы по Искусственному Интеллекту, и там предполагалось использовать язык программирования Prolog за основу. Но, по прошествии этих лет, ИИ начал развиваться на безе нейросетей. Вопрос вот в чём ... Есть расхожая поговорка "все новое - это надёжно забытое старое". С учётом этой поговорки - какова вероятность, что в будущем новые генерации более мощных ИИ будут задействовать не только нейросети, но и концепции Prolog'а? Пусть не в классической его программной реализации, а, допустим, в виде структурированных датасетов?