Языковая политика

Ну не совсем, конечно. У символьной математики корни в классическом ИИ. Для "максимы" можно писать функции на лиспе. Или, например, штрихкоды прекрасно читаются классическим компьютерным зрением, безо всякого машинного обучения. Но всё-таки это очень ограниченный подход.

Поясните, пожалуйста, мысль. Если у нейросети нет нужной информации, она может уверенно выдумать ложный факт, который выглядит логичным, но является ошибочным по существу.

Может, конечно, и такое бывает нередко.

Я с языковыми моделями не работал, а немного работал с моделями компьютерного зрения, но матчасть та же самая. В компьютерном зрении выглядит так. Например, мне надо различать кошек и собак. У меня есть две папки, в одной тысяча фоток кошек, в другой - тысяча фоток собак. Я создаю необученную нейронку - функцию, у которой много числовых коэффициентов, которые изначально имеют, например, случайные значения. Начинаю ей показывать фотки и спрашивать, кошка или собака? Если отвечает неправильно, чуть-чуть подправляем коэффициенты. И так несколько кругов по всему датасету, и каждый раз капельку подправлять коэффициенты в случае неправильных ответов. В результате коэффициенты сами собой подбираются так, что нейронка неплохо различает кошек и собак. После этого её можно экспортировать и использовать в приложениях.

Но когда нейронка используется в приложении, она "не помнит" конкретные фотографии, которые ей показывали в обучении. Эффект фотографий заключается в том, что благодаря ним как-то изменялись коэффициенты и в конце концов получили работающие значения. "Мышление" нейронки заключается в этих коэффициентах.

Поэтому можно представлять себе, что нейронка обладает "врождённым" объёмом знаний, в том числе умением говорить, если речь о языковой модели. Но ответы она генерирует исходя не из логики и не из сознательно составленной программы, а исходя из коэффициентов, то есть "по наитию". Коэффициенты содержат в себе информацию, но не непосредственно, а в "переваренном" виде, как результат наслоений крошечных изменений на каждом шагу обучения.

Конечно, можно тренировать нейронку рассуждать по законам логики. Но для нейронки логика - примерно то же, что для живого человека. Это не нечто, безусловно зашитое в мозг. Во-первых, в "сознательной жизни" она ими пользуется "интуитивно", то есть более-менее логические ответы появляются сами собой в результате вычислений по коэффициентам.
Во-вторых, в принципе, можно в явном виде попросить её следовать правилам логики (или любым другим, например - оформление кода), и таким требованиям она будет стараться следовать, но может, например, их забыть. Что кардинально отличается от обычного программирования, в котором логика является фундаментальным способом организации программы,  и отклонение от которой немыслимо.

У слабых моделей иногда ощущается вайб студента-троечника: слышал звон, но не знаю где он, и стараюсь экспромтом накидать умных слов, чтобы получилось правдоподобно и наукообразно. По-моему, это неплохо иллюстрирует их психологию. У продвинутых моделей получается лучше, но матчасть та же.

У node.js, console.log пишет в стандартный вывод, то есть тоже, можно сказать, в консоль. Хитрость моего примера в том, что она пишет в стандартный вывод процесса в контейнере, но этот же текст доступен и хосту. Также в контейнере можно запустить интерактивную консольную программу, и работать с ней в терминале хоста. Даже графические приложения запускал в контейнере, чтобы они открывались в окнах хоста.

Вот пример. У вас есть сайт, и вы хотите раздавать его nginx-ом.

Для примера, сайт будет такой: в папке mysite файл index.html
<!DOCTYPE html>
<html>
    <head>
        <title>Example</title>
    </head>
    <body>
        <p>This is an example of a simple HTML page with one paragraph.</p>
    </body>
</html>

Запускаете контейнер nginx:
docker run -v /path/to/mysite:/usr/share/nginx/html:ro -p 8080:80 nginx
Можно открыть localhost:8080 и посмотреть.

-v - сокращение от --volume. Эта опция монтирует директорию хоста в контейнер. nginx предполагает, что раздаваемые файлы лежат в директории /usr/share/nginx/html, и мы "подсовываем" туда локальную директорию.

Опция -p перенаправляет порт. nginx по умолчанию раздаёт файлы на порту 80. Когда он используется в контейнере, это порт 80 контейнера. Опция -p 8080:80 перенаправляет запросы на порт 8080 локалхоста на порт 80 контейнера.

Так мы используем nginx, не устанавливая его и не конфигурируя.

Но, конечно, можно запускать nginx и с кастомной конфигурацией, скопировав или примонтировав локальный конфиг-файл в контейнер.

Да, это для приложений, а не для данных. Вместо того, чтобы ставить приложения непосредственно в свою ОС, можно их ставить в их собственные ОС, работающие в контейнерах. И на hub.docker.com есть большое количество готовых образов с установленным софтом. Преимущества:
- контроль над версиями
- легко воспроизводимо
- упрощается установка и конфигурирование софта
- основная ОС не забивается хламом

Например,
- контейнер 1: бэкенд
- контейнер 2: postgresql
- контейнер 3: pgadmin
Можете для практики попробовать реализовать такую конфигурацию. Для усложнения можно добавить фронтенд:
- контейнер 4: дев-сервер фронтенда
- контейнер 5: nginx, за которым работают бэкенд и фронтенд, чтобы не было ошибок CORS.

Контейнеры общаются друг с другом по внутридокерной сети. Поэтому, например, для postgresql не нужно конфигурировать порт. Он может использовать порт по умолчанию, потому что это не порт компьютера-хоста, а порт контейнера.

Если Иванова, к которому персонально претензий нет, стали бы "порицать" только на основании национальности, это называется дискриминация.

Я имел в виду далеко не только питон а вообще языки программирования.

Я тоже про языки вообще. Моя точка зрения, что на работе лучше статическая типизация построже, а на отдыхе - то, что доставляет наибольшее удовольствие.