ИИ без галлюцинаций: код внутри

Современные нейросети врут, потому что работают на вероятностях, а не на твердых данных. Я написал прототип на Go, который заменяет статистику на механизм фиксации связей: система автоматически отбрасывает шум и закрепляет в памяти только те паттерны, которые проходят порог устойчивости. Это позволяет создать ИИ, который учится в реальном времени на обычном ПК и физически не может сгенерировать ложь, так как выдает только зафиксированные данные. Код ниже, проверяйте.

Код

package main

import (

"fmt"

"strings"

"sync"

"time"

)

// ПАРАМЕТРЫ СИСТЕМЫ

const (

MEMORY_DECAY = 0.95 // Скорость забывания шума

LEARNING_RATE = 0.6 // Сила запоминания

CRYSTAL_THRESHOLD = 2.5 // Порог превращения в "вечную память"

GARBAGE_LIMIT = 0.1 // Уровень удаления мусора

)

type Node struct {

ID string

Connections map[string]float64

mu sync.Mutex

}

type Brain struct {

Nodes map[string]*Node

mu sync.Mutex

}

var brain = &Brain{Nodes: make(map[string]*Node)}

func main() {

fmt.Println("? ЗАПУСК АНТИ-ГАЛЛЮЦИНАТОРА (Vserod Core)")

fmt.Println("Инструкция:")

fmt.Println("1. Вводите любые фразы (например: 'cat eats fish').")

fmt.Println("2. Повторите важную фразу 3-4 раза, чтобы она запомнилась навсегда.")

fmt.Println("3. Введите 'show' для просмотра памяти, 'quit' для выхода.")

fmt.Println("---")

go decayLoop() // Запуск процесса очистки от шума

for {

var input string

fmt.Print("\n> ")

if _, err := fmt.Scanln(&input); err != nil {

continue

}

if strings.ToLower(input) == "quit" {

break

} if strings.ToLower(input) == "show" {

printMemory()

continue

}

learn(input)

}

}

func learn(phrase string) {

words := strings.Fields(strings.ToLower(phrase))

if len(words) < 2 {

fmt.Println("⚠ Слишком коротко для создания связи.")

return

}

brain.mu.Lock()

defer brain.mu.Unlock()

for i := 0; i < len(words); i++ {

w1 := words

if brain.Nodes[w1] == nil {

brain.Nodes[w1] = &Node{ID: w1, Connections: make(map[string]float64)}

}

// Создаем связи с соседними словами

for j := i + 1; j < len(words) && j < i+3; j++ {

w2 := words[j]

if brain.Nodes[w2] == nil {

brain.Nodes[w2] = &Node{ID: w2, Connections: make(map[string]float64)}

}

// Укрепление связи

n1 := brain.Nodes[w1]

n1.mu.Lock()

n1.Connections[w2] += LEARNING_RATE

if n1.Connections[w2] > CRYSTAL_THRESHOLD {

// Только что кристаллизовалось

if n1.Connections[w2]-LEARNING_RATE <= CRYSTAL_THRESHOLD {

fmt.Printf("✨ ЗАПОМНЕНО НАВСЕГДА: связь [%s] <-> [%s]\n", w1, w2)

}

}

n1.mu.Unlock()

}

}

}

func decayLoop() {

for {

time.Sleep(2 * time.Second) brain.mu.Lock()

for id, node := range brain.Nodes {

node.mu.Lock()

toRemove := []string{}

for target, weight := range node.Connections {

newWeight := weight * MEMORY_DECAY

if newWeight < GARBAGE_LIMIT {

toRemove = append(toRemove, target)

} else {

node.Connections[target] = newWeight

}

}

for _, t := range toRemove {

delete(node.Connections, t)

}

if len(node.Connections) == 0 {

delete(brain.Nodes, id)

}

node.mu.Unlock()

}

brain.mu.Unlock()

}

}

func printMemory() {

brain.mu.Lock()

defer brain.mu.Unlock()

fmt.Println("\n? ТЕКУЩАЯ ПАМЯТЬ (Устойчивые связи):")

found := false

for id, node := range brain.Nodes {

node.mu.Lock()

for target, weight := range node.Connections {

if weight > 1.0 {

fmt.Printf("[%s] --(%.2f)--> [%s]\n", id, weight, target)

found = true

}

}

node.mu.Unlock()

}

if !found {

fmt.Println("(Память пуста или содержит только временный шум)")

}

}

Крипстоп сказал(а):↑

Современные нейросети врут, потому что работают на вероятностях, а не на твердых данных. Я написал прототип на Go, который заменяет статистику на механизм фиксации связей: система автоматически отбрасывает шум и закрепляет в памяти только те паттерны, которые проходят порог устойчивости. Это позволяет создать ИИ, который учится в реальном времени на обычном ПК и физически не может сгенерировать ложь, так как выдает только зафиксированные данные. Код ниже, проверяйте.

Код

package main

import (

"fmt"

"strings"

"sync"

"time"

)

// ПАРАМЕТРЫ СИСТЕМЫ

const (

MEMORY_DECAY = 0.95 // Скорость забывания шума

LEARNING_RATE = 0.6 // Сила запоминания

CRYSTAL_THRESHOLD = 2.5 // Порог превращения в "вечную память"

GARBAGE_LIMIT = 0.1 // Уровень удаления мусора

)

type Node struct {

ID string

Connections map[string]float64

mu sync.Mutex

}

type Brain struct {

Nodes map[string]*Node

mu sync.Mutex

}

var brain = &Brain{Nodes: make(map[string]*Node)}

func main() {

fmt.Println("? ЗАПУСК АНТИ-ГАЛЛЮЦИНАТОРА (Vserod Core)")

fmt.Println("Инструкция:")

fmt.Println("1. Вводите любые фразы (например: 'cat eats fish').")

fmt.Println("2. Повторите важную фразу 3-4 раза, чтобы она запомнилась навсегда.")

fmt.Println("3. Введите 'show' для просмотра памяти, 'quit' для выхода.")

fmt.Println("---")

go decayLoop() // Запуск процесса очистки от шума

for {

var input string

fmt.Print("\n> ")

if _, err := fmt.Scanln(&input); err != nil {

continue

}

if strings.ToLower(input) == "quit" {

break

} if strings.ToLower(input) == "show" {

printMemory()

continue

}

learn(input)

}

}

func learn(phrase string) {

words := strings.Fields(strings.ToLower(phrase))

if len(words) < 2 {

fmt.Println("⚠ Слишком коротко для создания связи.")

return

}

brain.mu.Lock()

defer brain.mu.Unlock()

for i := 0; i < len(words); i++ {

w1 := words

if brain.Nodes[w1] == nil {

brain.Nodes[w1] = &Node{ID: w1, Connections: make(map[string]float64)}

}

// Создаем связи с соседними словами

for j := i + 1; j < len(words) && j < i+3; j++ {

w2 := words[j]

if brain.Nodes[w2] == nil {

brain.Nodes[w2] = &Node{ID: w2, Connections: make(map[string]float64)}

}

// Укрепление связи

n1 := brain.Nodes[w1]

n1.mu.Lock()

n1.Connections[w2] += LEARNING_RATE

if n1.Connections[w2] > CRYSTAL_THRESHOLD {

// Только что кристаллизовалось

if n1.Connections[w2]-LEARNING_RATE <= CRYSTAL_THRESHOLD {

fmt.Printf("✨ ЗАПОМНЕНО НАВСЕГДА: связь [%s] <-> [%s]\n", w1, w2)

}

}

n1.mu.Unlock()

}

}

}

func decayLoop() {

for {

time.Sleep(2 * time.Second) brain.mu.Lock()

for id, node := range brain.Nodes {

node.mu.Lock()

toRemove := []string{}

for target, weight := range node.Connections {

newWeight := weight * MEMORY_DECAY

if newWeight < GARBAGE_LIMIT {

toRemove = append(toRemove, target)

} else {

node.Connections[target] = newWeight

}

}

for _, t := range toRemove {

delete(node.Connections, t)

}

if len(node.Connections) == 0 {

delete(brain.Nodes, id)

}

node.mu.Unlock()

}

brain.mu.Unlock()

}

}

func printMemory() {

brain.mu.Lock()

defer brain.mu.Unlock()

fmt.Println("\n? ТЕКУЩАЯ ПАМЯТЬ (Устойчивые связи):")

found := false

for id, node := range brain.Nodes {

node.mu.Lock()

for target, weight := range node.Connections {

if weight > 1.0 {

fmt.Printf("[%s] --(%.2f)--> [%s]\n", id, weight, target)

found = true

}

}

node.mu.Unlock()

}

if !found {

fmt.Println("(Память пуста или содержит только временный шум)")

}

}

Нажмите, чтобы раскрыть...

Зачем нужна нейросеть, которая не может ничего аппроксимировать, а может только выдавать уже известные факты? Для этого уже который десяток лет существует Википедия.

ИИ врёт потому что так обучен. Если его кропотливо обучать с целью всегда давать ответ совпадающий с реальность, то он перестанет врать. Но обучение моделей-всезнаек это невероятно трудоёмкий процесс.

Ты возможно не совсем понимаешь как работает верификация и обучение. Я объясню.

1. Подготавливается вопрос и ответ эталон который мы хотим видеть.

2. Ответ генерируется и сверяется с эталоном.

3. Если ответ совпадает на 99.9% по семантике (смысловой нагрузке), то тест считаем успешными. Иначе подкручиваем веса и возвращаемся на шаг 2.

Это всё автоматизировано и таких вопросов и ответов невероятно много. При этом оно может содержать контекст.

Это очень коротко, но просто чтоб ты понимал как оно устроено.

Lancer.Rev.X сказал(а):↑

Зачем нужна нейросеть, которая не может ничего аппроксимировать, а может только выдавать уже известные факты? Для этого уже который десяток лет существует Википедия.

Нажмите, чтобы раскрыть...

Затем что это ускоряет процесс поиска информации. В википедии и по остальному интернету ты можешь искать необходимый факт часы, а нейронка на 1 верно заданный вопрос ответит тебе и прикрепит пруфы

Умный ИИ не может строиться на угадывании. Пока система вероятностна она лишь имитатор, а не разум. Мой подход меняет фундамент: интеллект возникает из устойчивых связей, а не из объема данных. Без механизма, который отбрасывает ложь на уровне архитектуры, мы никогда не создадим ИИ, способный понимать, а не просто болтать. Это шаг к настоящему разуму.

Крипстоп сказал(а):↑

Умный ИИ не может строиться на угадывании. Пока система вероятностна она лишь имитатор, а не разум. Мой подход меняет фундамент: интеллект возникает из устойчивых связей, а не из объема данных. Без механизма, который отбрасывает ложь на уровне архитектуры, мы никогда не создадим ИИ, способный понимать, а не просто болтать. Это шаг к настоящему разуму.

Нажмите, чтобы раскрыть...

а может это ты имитация, а не разум

Border сказал(а):↑

а может это ты имитация, а не разум

Нажмите, чтобы раскрыть...

Ты описал RLHF. Это лишь снижает вероятность ошибки, но не убирает её причину в виде вероятностной природы модели. Она всё ещё может угадать ложь. Мой метод меняет архитектуру: ответ блокируется, если для него нет подтвержденной связи в памяти. Ложь становится невозможной технически, а не морально. Это разница между натасканным попугаем и детерминированной системой.

не говоря уже о том, что код сгенерила нейросеть и ты его не писал

Крипстоп сказал(а):↑

Ты описал RLHF. Это лишь снижает вероятность ошибки, но не убирает её причину в виде вероятностной природы модели. Она всё ещё может угадать ложь. Мой метод меняет архитектуру: ответ блокируется, если для него нет подтвержденной связи в памяти. Ложь становится невозможной технически, а не морально. Это разница между натасканным попугаем и детерминированной системой.

Нажмите, чтобы раскрыть...

твой метод не твой и смысла в нём нет

Border сказал(а):↑

не говоря уже о том, что код сгенерила нейросеть и ты его не писал

твой метод не твой и смысла в нём нет

Нажмите, чтобы раскрыть...

Если игнорировать архитектуру и надеяться только на обучение, то будущие ИИ-агенты неизбежно сойдут с ума от накопленных противоречий. Мой метод это попытка дать им иммунитет до того, как станет поздно.

Крипстоп сказал(а):↑

Если игнорировать архитектуру и надеяться только на обучение, то будущие ИИ-агенты неизбежно сойдут с ума от накопленных противоречий. Мой метод это попытка дать им иммунитет до того, как станет поздно.

Нажмите, чтобы раскрыть...

Ещё раз говорю: у тебя нет никакого метода. Код выкакала нейросеть на твой запрос. Он никак не связан с нейросетями, генерацией и никак не помогает нейросетям не галлюцинировать.

хотя зачем я вообще отвечаю на нейрослоп вбросы про нейрослоп

Border сказал(а):↑

Ещё раз говорю: у тебя нет никакого метода. Код выкакала нейросеть на твой запрос. Он никак не связан с нейросетями, генерацией и никак не помогает нейросетям не галлюцинировать.

хотя зачем я вообще отвечаю на нейрослоп вбросы про нейрослоп

Нажмите, чтобы раскрыть...

Это внешний модуль долговременной памяти (гиппокамп), который фильтрует галлюцинации до их появления. Игнорировать необходимость такой архитектуры значит не понимать проблем автономных агентов.

Крипстоп сказал(а):↑

Это внешний модуль долговременной памяти (гиппокамп), который фильтрует галлюцинации до их появления. Игнорировать необходимость такой архитектуры значит не понимать проблем автономных агентов.

Нажмите, чтобы раскрыть...

Это вообще не модуль и с долговременной памятью этот кусок кода никак не связан. Это консольное приложение выкаканное нейронкой.

Не употребляй больше слово "архитектура", ты оскорбляешь его когда произносишь

Челы все еще не поняли что с нейронкой общаются?

Жесс

Border сказал(а):↑

Это вообще не модуль и с долговременной памятью этот кусок кода никак не связан. Это консольное приложение выкаканное нейронкой.

Не употребляй больше слово "архитектура", ты оскорбляешь его когда произносишь

Нажмите, чтобы раскрыть...

Мир существует независимо от того, как ты его себе представляешь. Код работает и реализует память объективно, вне зависимости от твоего мнения или отрицания.

Stae сказал(а):↑

Челы все еще не поняли что с нейронкой общаются?

Жесс

Нажмите, чтобы раскрыть...

тих тих

Крипстоп сказал(а):↑

Мир существует независимо от того, как ты его себе представляешь. Код работает и реализует память объективно, вне зависимости от твоего мнения или отрицания.

Нажмите, чтобы раскрыть...

Всё что я сказал ранее не зависело от мнения буквально факты и логика

Border сказал(а):↑

тих тих

Всё что я сказал ранее не зависело от мнения буквально факты и логика

Нажмите, чтобы раскрыть...

Если бы ты опирался на факты, то признал бы, что в коде реализованы три функции памяти: запись, забывание и укрепление связей. Отрицать наличие этих функций в работающем коде это не логика, а игнорирование реальности. Факты упрямы: код хранит данные, даже если ты отказываешься называть это памятью.

Крипстоп сказал(а):↑

Если бы ты опирался на факты, то признал бы, что в коде реализованы три функции памяти: запись, забывание и укрепление связей. Отрицать наличие этих функций в работающем коде это не логика, а игнорирование реальности. Факты упрямы: код хранит данные, даже если ты отказываешься называть это памятью.

Нажмите, чтобы раскрыть...

Где он их хранит? Как код связан с нейронками?

Border сказал(а):↑

Где он их хранит? Как код связан с нейронками?

Нажмите, чтобы раскрыть...

1. В оперативной памяти (граф связей).

2. Это архитектурный фильтр, работающий параллельно с любой LLM.