ну это был 2014 год чтоли

когда начинаешь говорить про всякие достижения, зарплату, статус в корпоративной среде и т.д. ты рискуешь диференциировать людей там, где этого тупо нельзя делать

вобщем все в беке дно

например, если чуваки говорят о практиках разработки

у тебя может быть опытный хуесос, 10 лет опыта работы с aws

помню я не мог даже сделать либу которая бы полагалась на орм, потому что орм то нет

но все равно в AI контексте я буду компетентнее него

чувак забей не трать время на орм. когда на рынок выйдет логос, орм больше не будет нужна

да это то понятно

зачем тебе орм если ты можешь все запросы делать в натуральном языке??

а еще моя гениальная идея стравить duct (encoder) и deduct (decoder) против друг друга в reinforcement learning среде

С не-sql базами орм и так уже не нужен.

да нужен, нужен. просто он более близок к народу

то есть если генерация содержит ошибки, мы вручную их исправляем, ingest новых данных в RL среду, где у тебя duct/deduct состязаются против друг друга

ну орм это когда ты делаешь User.get() вместо какой то ссанины Zdelai("azaza")

В Логосе можно задать специфичный предметно-ориентированный DSL для конкретной прикладной области и вынести его в отдельный модуль. Проблемы с неправильными абстракциями пропадут потому что имея на руках возможность создания любых языков, можно создать любую абстракцию, ведь наше восприятие ограничено лишь нашим языком. После подключения нужного модуля нужно будет всего лишь задать специальный синтаксис для вызова предметно-ориентированный языка из остальной программы на Логосе, и ты получаешь всю мощь необходимого модуля! Интеграция крайне простая и эффективная.

я тут довольно забавное наблюдение произвел

достаточно будет пару раз исправить ошибки для deduct вручную, и ошибки будут встречаться все реже и реже. я больше скажу благодаря состязательной модели этого будет достаточно чтобы также сообщить информацию об этой ошибке в duct–модель

и тоже самое наоборот

то есть это на самом деле самое главное ноу–хау логоса