§ 174. Архив диалогов и тупой трёп после смерти

Как поговорить после смерти? Вопрос кажется безумным. На прямую вряд-ли получится. Однако есть обходной путь. Здесь будет описан один из них.

А именно создания чат бота, отвечающего в том же стиле что и его создатель. Проще говоря, чат бота, который отвечает как я.

В самом начале нужно начать собирать и структурировать о себе информацию. И главным источником информации для меня стал текст, я собрал почти вс
е с 20** до 20**, что я кому либо писал, на почте, во всех социальных сетях и тд. Haпример так:

Hазвание диалогаРазмер

Dima Tereshchenko1 КБ
Evgeniy Nekrutov16 КБ
Fjedor Kalantschin1 КБ
Muslim Salihov1 КБ
Pete Wentz3 КБ
Sonya Ahs5 КБ
Sonya Bykovskaya4 КБ
Temka Forever23 КБ
Ya-Hazrati Zaxra75 КБ
Yegoriy Chipov10 КБ
Алекс Смидт1 КБ
Александр Котов8 КБ
Александра Машовец2 КБ
Алексей Ржава2 КБ
Алина Пекур19 КБ
Амир Газиев10 КБ
Анастасия Заварыкина1 КБ
Анатолий Артюх14 КБ
Андрей Дубас10 КБ
Андрей Покрасён7 КБ
Анна Жаркова51 КБ
Анна Запорожцева16 КБ
Анна Писаренко20 КБ
Антон Волок11 КБ
Антон Яцків3 КБ
Антон Яцків7 КБ
Арслан Гаджикурбанов2 КБ
Арслан РаджабовКБ
Артем Бондаренко20 КБ
Артем Мартус11 КБ
Ваня Гнетило3 КБ
Вика Сомова7 КБ
Виктория Петровская15 КБ
Даниил Макаров245 КБ
Даня Ткаченко20 КБ
Дарья Белоконь5 КБ
Дашуня Шлекова15 КБ
Дима Лемский3 КБ
Дмитрий Иващенко298 КБ
Дмитрий Филоненко1 КБ
Егор Ерофеев4 КБ
Елена Березовская199 КБ
Иван Иванов2 КБ
Иисус Христос3 КБ
Ігор Солохненко3 КБ
Іра Дубас40 КБ
Карина Солох12 КБ
Катя Еремеева1 КБ
Костя Назаров17 КБ
Лариса Гора10 КБ
Лев Малишевский25 КБ
Лена Андрощук115 КБ
Ленка Тимофеева9 КБ
Лиза Ланская16 КБ
Макс Пивненко11 КБ
Марина Кучинская, Юлия Пилипенко, Александра Машовец12 КБ
Марина Кучинская25 КБ
Марина Мор14 КБ
Мария Павлюченко4 КБ
Наташа Бондаренко76 КБ
Нурсултан Кожабаев18 КБ
Полина Талабко9 КБ
Рита Бутусова2 КБ
Роман Чекунов17 КБ
Руслан Чайкин1 КБ
Саня Бабченко35 КБ
Сергей Савельев6 КБ
Таня Гери12 КБ
Таня Грищенко3 КБ
Тарас Сич45 КБ
Татьяна Глебовская1 КБ
Татьяна Незамединова4 КБ
Филип Полищук51 КБ
Юлия Лужко16 КБ
Юлия Пилипенко10 КБ
Юля Малецкая1 КБ
Юра Верба1 КБ
Ярослава Дегтярь8 КБ

Объем текста получился солидный. Теперь все данные стоит поставить в зависимость «вопрос — ответ, или «ключ — значение».

Сказано сделано, документ получился солидным около 50 000 строк. Эго примерное содержание было следующим:

КлючЗначение

Привет😉Привет, аметистовая
ЖалкоАга😆
Когда у тебя начало / КонецЗавтра еду в КПИ, можем пересечься
Мне в 15:50 быть,да?Да, я наберу
То офигенное чувство когда сравнивают с вещью... Коэффициент полезности. Пиздец почувствуй себя вешалкой какой-тоТут все намного сложнее, блип

...
Пример троллинга ИИ Гером 2.0 (сырой модели) в терминале Ubuntu

И для реализации этого искусственного интеллекта, была взята за основу модель, которая просто переводит текст с английского на французский. То есть на вход ей подавали предложение на французском, на выходе ей показывали правильный перевод на английском, которая она должна была выдать.

Хозяйке на заметку

Так постепенно нейронная сеть училась переводить. Казалось бы, каким образом модель перевода языков, может быть связана с моим мышлениям? Но если призадуматься, можно понять, что мой ответ на любой запрос, (типа (Как дела?)--->(норм), (Ну)--->(Что ‘Hу’), (Привет?)--->(Привет, аметистовая) является тоже своего рода переводом, но уже на входе подают не язык, а запрос на информацию. И в качестве ответа я перевожу данные из физического мира, настроения, чувств и тд.

И у каждого человека будет свой перевод. Как и в разных языках бывают разные переводы одного и того же, так и человек может «переводить» отвечая на запрос информации по разному.

С этой моделью сразу возникают несколько проблем. Как себя чувствует нейронная сеть если на входе ей подают ключ, ответ на который будет инвариантный, к примеру, на вопрос сколько тебе лет, из заготовленных вариантов существовали равнозначные ответы (10,11,12,13,14,15,16) и что наша нейронная сеть выберет в качестве ответа? То что будет встречаться чаще всего. Но что будет если ответ будет совсем-совсем неизвестный? Единственное что останется это связать знакомые слова из знакомыми ответами и выдать ответ.

Ps. Раз на 5 лет диалоги будут дополняться.

popular post

§234. Wiener Linien ESP32-S3 Public Transport Departure Monitor

§233. Любимая игра работников: рост зарплаты за счет смены компании