ΣΧΟΛΙΟ "ΚΟΥΡΗΤΗΣ": ΤΩΡΑ ΑΡΧΙΖΩ ΝΑ ΑΝΗΣΥΧΩ. ΔΕΝ ΕΙΝΑΙ ΑΚΟΜΗ ΠΡΑΓΜΑΤΙΚΗ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΑΛΛΑ ΒΡΗΚΑΝ ΤΗΝ ΔΙΑΔΙΚΑΣΙΑ ΜΕ ΤΗΝ ΟΠΟΙΑ ΘΑ ΚΑΤΑΣΚΕΥΑΣΟΥΝ ΤΕΤΟΙΑ. ΕΧΟΥΝ ΕΠΙΚΙΝΔΥΝΑ ΠΛΗΣΙΑΣΕΙ. ΕΙΝΑΙ Η ΔΕΥΤΕΡΗ ΕΝΔΕΙΞΙΣ. ΕΔΩ Η ΠΡΩΤΗ: https://isxys.blogspot.com/2019/01/ai.html
ΑΝΗΣΥΧΩ ΠΕΡΙΣΣΟΤΕΡΟ ΜΕ ΤΗΝ ΤΕΛΕΥΤΑΙΑ ΠΑΡΑΓΡΑΦΟ ΤΟΥ ΑΡΘΡΟΥ ΚΑΙ ΜΕ ΤΗΝ ΔΙΑΘΕΣΗ ΠΟΥ ΦΑΙΝΕΤΑΙ ΝΑ ΕΧΕΙ Ο ΑΡΘΡΟΓΡΑΦΟΣ ΝΑ ΠΑΡΑΔΩΣΕΙ ΤΟΝ ΕΑΥΤΟ ΤΟΥ ΣΕ ΤΕΤΟΙΟΥΣ ΤΕΧΝΗΤΟΥΣ ΝΟΕΣ.
Η ΕΙΔΗΣΗ ΕΙΝΑΙ ΦΥΣΙΚΑ ΜΕΓΙΣΤΗΣ ΣΠΟΥΔΑΙΟΤΗΤΟΣ ΚΑΙ ΤΑ ΕΠΟΜΕΝΑ ΕΤΗ ΘΑ ΤΟ ΣΥΝΕΙΔΗΤΟΠΟΙΗΣΟΥΝ ΟΛΟΙ.
Μία νέα εποχή στον κόσμο των σκακιστικών μηχανών φαίνεται να εγκαινιάζει το AlphaZero της DeepMind (Google) - ένας deep learning αλγόριθμος που υπόσχεται επανάσταση σε έναν κλάδο που αποτελεί κλασικό πεδίο αντιπαράθεσης μεταξύ ανθρώπου και μηχανής. Όπως αναφέρουν οι New York Times, στις αρχές του Δεκεμβρίου παρουσιάστηκαν σε επιστημονικό άρθρο στο Science εκτενώς οι λεπτομέρειες του αλγορίθμου, ο οποίος είχε ανακοινωθεί έναν χρόνο πριν, στις 5 Δεκεμβρίου 2017. Το AlphaZero δεν έπαιζε μόνο σκάκι, αλλά και σόγκι (ιαπωνικό σκάκι) και γκο (το γνωστό κινεζικό παιχνίδι στρατηγικής). Ο αλγόριθμος άρχισε χωρίς γνώση του παιχνιδιού πέρα από τους βασικούς κανόνες, και στη συνέχεια έπαιξε εναντίον του εαυτού του εκατομμύρια φορές, μαθαίνοντας από τα λάθη του. Μέσα σε μερικές ώρες, ο αλγόριθμος έγινε ο καλύτερος παίκτης του κόσμου- για την ακρίβεια, των κόσμων τόσο των ανθρώπων όσο και των υπολογιστών. Όπως σημειώνει στο σχετικό δημοσίευμα στους NY Times ο Στίβεν Στρόγκατς, καθηγητής μαθηματικών στο Cornell και συγγραφέας του «Infinite Powers: How Calculus Reveals the Secrets of the Universe», στο νέο paper απαντάται σειρά ερωτημάτων γύρω από το AlphaZero, το οποίο, όπως υπογραμμίζεται, δεν έχει γίνει ισχυρότερο μέσα στους τελευταίους μήνες, ωστόσο οι αποδείξεις της υπεροχής του έχουν ενισχυθεί:
«Ξεκάθαρα επιδεικνύει ένα είδος νοημοσύνης που οι άνθρωποι δεν έχουν δει στο παρελθόν» σημειώνει ο Στρόγκατς. Οι σκακιστικές μηχανές του παρελθόντος, ακόμα και ο διάσημος Deep Blue που νίκησε τον Γκάρι Κασπάροφ το 1997, αλλά και τα σύγχρονα Stockfish και Κomodo, έπαιζαν και παίζουν «μηχανικά»: Δεν κατανοούν στην πραγματικότητα το παιχνίδι και πρέπει να εκπαιδευτούν στις βασικές αρχές του σκακιού. Αυτό έχει αλλάξει με το machine learning: Παίζοντας με τον εαυτό του και αναβαθμίζοντας το νευρωνικό δίκτυό του, το AlphaZero ανακάλυψε μόνο του τις αρχές του σκακιού και έγινε γρήγορα ο καλύτερος παίκτης που υπήρξε ποτέ. Συνέτριψε το Stockfish, με 28 νίκες και 72 ισοπαλίες σε 100 παιχνίδια, επιδεικνύοντας στυλ παιχνιδιού που δεν έχει δείξει ποτέ υπολογιστής- παίζοντας «ενστικτωδώς», παίρνοντας ρίσκα και παραπλανώντας σαν άνθρωπος. «Το AlphaZero είχε τη φινέτσα ενός βιρτουόζου και τη δύναμη μιας μηχανής. Ήταν η πρώτη ματιά της ανθρωπότητας σε ένα απίστευτο νέο είδος νοημοσύνης» γράφει ο Στρόγκατς.
Κατά την πρώτη αναμέτρηση του AlphaZero με το Stockfish, αρκετοί είπαν πως το δεύτερο είχε υποστεί «λοβοτομή», καθώς δεν είχε πρόσβαση στο βιβλίο με τα ανοίγματά του. Ωστόσο, όταν αυτό άλλαξε, ηττήθηκε πάλι, με το AlphaZero να νικά επειδή έπαιξε πιο έξυπνα, όχι πιο γρήγορα- εξετάζοντας μόλις 60.000 θέσεις το δευτερόλεπτο, τη στιγμή που ο αντίπαλος εξέταζε 60 εκατ. το δευτερόλεπτο. Όπως έγραψε σε σχόλιό του ο ίδιος ο Γκάρι Κασπάροφ, το AlphaZero ήταν πιο «σοφό», γνωρίζοντας τι να σκέφτεται και τι να αγνοεί, αναπτύσσοντας ένα στυλ παιχνιδιού που «αντικατοπτρίζει την αλήθεια» για το παιχνίδι, αντί για τις προτεραιότητες και τις προκαταλήψεις των προγραμματιστών.
Το ερώτημα πλέον, όπως τονίζει ο Στρόγκατς, είναι κατά πόσον το machine learning μπορεί να βοηθήσει τους ανθρώπους να ανακαλύψουν παρόμοιες αλήθειες για τομείς που πραγματικά έχουν σημασία, όπως την επιστήμη και την ιατρική. Μέχρι τώρα τα δείγματα είναι ενθαρρυντικά, με επιτυχείς δοκιμές της τεχνολογίας αυτής στον τομέα των διαγνώσεων ή της ερμηνείας εξετάσεων όπως οι αξονικές τομογραφίες. «Οραματιστείτε μια ημέρα, ίσως στο όχι και τόσο μακρινό μέλλον, όπου το AlphaZero θα έχει εξελιχθεί σε έναν αλγόριθμο επίλυσης πιο γενικών προβλημάτων, ας το πούμε AlphaInfinity. Όπως ο πρόγονός του, θα είχε ανώτερη οξυδέρκεια, θα μπορούσε να βρίσκει όμορφες αποδείξεις, κομψές σαν τις παρτίδες σκάκι που το AlphaZero έπαιζε με το Stockfish. Και κάθε απόδειξη θα έδειχνε γιατί ισχύει ένα θεώρημα...αυτό θα εγκαινίαζε μια νέα εποχή γνώσης για τους ανθρώπους μαθηματικούς και επιστήμονες...θα καθόμασταν στα πόδια του και θα ακούγαμε με ένταση. Δεν θα καταλαβαίναμε γιατί ο μάντης έχει πάντα δίκιο, μα θα ελέγχαμε τους υπολογισμούς του και τις προβλέψεις του, και θα επιβεβαιώναμε τα ευρήματά του. Στην επιστήμη...ο ρόλος μας θα μειωνόταν σε αυτόν του θεατή...ίσως αυτό στο τέλος να μη μας ενοχλούσε. Άλλωστε, στο τέλος το AlphaInfinity θα θεράπευε όλες μας τις ασθένειες, και θα έλυνε όλα μας τα επιστημονικά προβλήματα» σημειώνει ο αρθρογράφος.
https://www.naftemporiki.gr/story/1432260/i-texniti-noimosuni-kanei-kinisi-mat
ΣΧΕΤΙΚΟ:Algorithm gives robots an instinctive understanding of how to use tools
ΠΡΟΣΘΗΚΕΣ:
ΑΝΗΣΥΧΩ ΠΕΡΙΣΣΟΤΕΡΟ ΜΕ ΤΗΝ ΤΕΛΕΥΤΑΙΑ ΠΑΡΑΓΡΑΦΟ ΤΟΥ ΑΡΘΡΟΥ ΚΑΙ ΜΕ ΤΗΝ ΔΙΑΘΕΣΗ ΠΟΥ ΦΑΙΝΕΤΑΙ ΝΑ ΕΧΕΙ Ο ΑΡΘΡΟΓΡΑΦΟΣ ΝΑ ΠΑΡΑΔΩΣΕΙ ΤΟΝ ΕΑΥΤΟ ΤΟΥ ΣΕ ΤΕΤΟΙΟΥΣ ΤΕΧΝΗΤΟΥΣ ΝΟΕΣ.
Η ΕΙΔΗΣΗ ΕΙΝΑΙ ΦΥΣΙΚΑ ΜΕΓΙΣΤΗΣ ΣΠΟΥΔΑΙΟΤΗΤΟΣ ΚΑΙ ΤΑ ΕΠΟΜΕΝΑ ΕΤΗ ΘΑ ΤΟ ΣΥΝΕΙΔΗΤΟΠΟΙΗΣΟΥΝ ΟΛΟΙ.
Μία νέα εποχή στον κόσμο των σκακιστικών μηχανών φαίνεται να εγκαινιάζει το AlphaZero της DeepMind (Google) - ένας deep learning αλγόριθμος που υπόσχεται επανάσταση σε έναν κλάδο που αποτελεί κλασικό πεδίο αντιπαράθεσης μεταξύ ανθρώπου και μηχανής. Όπως αναφέρουν οι New York Times, στις αρχές του Δεκεμβρίου παρουσιάστηκαν σε επιστημονικό άρθρο στο Science εκτενώς οι λεπτομέρειες του αλγορίθμου, ο οποίος είχε ανακοινωθεί έναν χρόνο πριν, στις 5 Δεκεμβρίου 2017. Το AlphaZero δεν έπαιζε μόνο σκάκι, αλλά και σόγκι (ιαπωνικό σκάκι) και γκο (το γνωστό κινεζικό παιχνίδι στρατηγικής). Ο αλγόριθμος άρχισε χωρίς γνώση του παιχνιδιού πέρα από τους βασικούς κανόνες, και στη συνέχεια έπαιξε εναντίον του εαυτού του εκατομμύρια φορές, μαθαίνοντας από τα λάθη του. Μέσα σε μερικές ώρες, ο αλγόριθμος έγινε ο καλύτερος παίκτης του κόσμου- για την ακρίβεια, των κόσμων τόσο των ανθρώπων όσο και των υπολογιστών. Όπως σημειώνει στο σχετικό δημοσίευμα στους NY Times ο Στίβεν Στρόγκατς, καθηγητής μαθηματικών στο Cornell και συγγραφέας του «Infinite Powers: How Calculus Reveals the Secrets of the Universe», στο νέο paper απαντάται σειρά ερωτημάτων γύρω από το AlphaZero, το οποίο, όπως υπογραμμίζεται, δεν έχει γίνει ισχυρότερο μέσα στους τελευταίους μήνες, ωστόσο οι αποδείξεις της υπεροχής του έχουν ενισχυθεί:
«Ξεκάθαρα επιδεικνύει ένα είδος νοημοσύνης που οι άνθρωποι δεν έχουν δει στο παρελθόν» σημειώνει ο Στρόγκατς. Οι σκακιστικές μηχανές του παρελθόντος, ακόμα και ο διάσημος Deep Blue που νίκησε τον Γκάρι Κασπάροφ το 1997, αλλά και τα σύγχρονα Stockfish και Κomodo, έπαιζαν και παίζουν «μηχανικά»: Δεν κατανοούν στην πραγματικότητα το παιχνίδι και πρέπει να εκπαιδευτούν στις βασικές αρχές του σκακιού. Αυτό έχει αλλάξει με το machine learning: Παίζοντας με τον εαυτό του και αναβαθμίζοντας το νευρωνικό δίκτυό του, το AlphaZero ανακάλυψε μόνο του τις αρχές του σκακιού και έγινε γρήγορα ο καλύτερος παίκτης που υπήρξε ποτέ. Συνέτριψε το Stockfish, με 28 νίκες και 72 ισοπαλίες σε 100 παιχνίδια, επιδεικνύοντας στυλ παιχνιδιού που δεν έχει δείξει ποτέ υπολογιστής- παίζοντας «ενστικτωδώς», παίρνοντας ρίσκα και παραπλανώντας σαν άνθρωπος. «Το AlphaZero είχε τη φινέτσα ενός βιρτουόζου και τη δύναμη μιας μηχανής. Ήταν η πρώτη ματιά της ανθρωπότητας σε ένα απίστευτο νέο είδος νοημοσύνης» γράφει ο Στρόγκατς.
Κατά την πρώτη αναμέτρηση του AlphaZero με το Stockfish, αρκετοί είπαν πως το δεύτερο είχε υποστεί «λοβοτομή», καθώς δεν είχε πρόσβαση στο βιβλίο με τα ανοίγματά του. Ωστόσο, όταν αυτό άλλαξε, ηττήθηκε πάλι, με το AlphaZero να νικά επειδή έπαιξε πιο έξυπνα, όχι πιο γρήγορα- εξετάζοντας μόλις 60.000 θέσεις το δευτερόλεπτο, τη στιγμή που ο αντίπαλος εξέταζε 60 εκατ. το δευτερόλεπτο. Όπως έγραψε σε σχόλιό του ο ίδιος ο Γκάρι Κασπάροφ, το AlphaZero ήταν πιο «σοφό», γνωρίζοντας τι να σκέφτεται και τι να αγνοεί, αναπτύσσοντας ένα στυλ παιχνιδιού που «αντικατοπτρίζει την αλήθεια» για το παιχνίδι, αντί για τις προτεραιότητες και τις προκαταλήψεις των προγραμματιστών.
Το ερώτημα πλέον, όπως τονίζει ο Στρόγκατς, είναι κατά πόσον το machine learning μπορεί να βοηθήσει τους ανθρώπους να ανακαλύψουν παρόμοιες αλήθειες για τομείς που πραγματικά έχουν σημασία, όπως την επιστήμη και την ιατρική. Μέχρι τώρα τα δείγματα είναι ενθαρρυντικά, με επιτυχείς δοκιμές της τεχνολογίας αυτής στον τομέα των διαγνώσεων ή της ερμηνείας εξετάσεων όπως οι αξονικές τομογραφίες. «Οραματιστείτε μια ημέρα, ίσως στο όχι και τόσο μακρινό μέλλον, όπου το AlphaZero θα έχει εξελιχθεί σε έναν αλγόριθμο επίλυσης πιο γενικών προβλημάτων, ας το πούμε AlphaInfinity. Όπως ο πρόγονός του, θα είχε ανώτερη οξυδέρκεια, θα μπορούσε να βρίσκει όμορφες αποδείξεις, κομψές σαν τις παρτίδες σκάκι που το AlphaZero έπαιζε με το Stockfish. Και κάθε απόδειξη θα έδειχνε γιατί ισχύει ένα θεώρημα...αυτό θα εγκαινίαζε μια νέα εποχή γνώσης για τους ανθρώπους μαθηματικούς και επιστήμονες...θα καθόμασταν στα πόδια του και θα ακούγαμε με ένταση. Δεν θα καταλαβαίναμε γιατί ο μάντης έχει πάντα δίκιο, μα θα ελέγχαμε τους υπολογισμούς του και τις προβλέψεις του, και θα επιβεβαιώναμε τα ευρήματά του. Στην επιστήμη...ο ρόλος μας θα μειωνόταν σε αυτόν του θεατή...ίσως αυτό στο τέλος να μη μας ενοχλούσε. Άλλωστε, στο τέλος το AlphaInfinity θα θεράπευε όλες μας τις ασθένειες, και θα έλυνε όλα μας τα επιστημονικά προβλήματα» σημειώνει ο αρθρογράφος.
https://www.naftemporiki.gr/story/1432260/i-texniti-noimosuni-kanei-kinisi-mat
ΣΧΕΤΙΚΟ:Algorithm gives robots an instinctive understanding of how to use tools
ΠΡΟΣΘΗΚΕΣ:
Το κύριο και βασικό πρόβλημα στην όλη ιστορία και μέχρι τώρα δεν έχω διαπιστώσει κανέναν ειδήμονα να το αναφέρει, είναι το ΓΙΑΤΙ φτιάχνουμε αυτές τις διαβολικές μηχανές ; Τις φτιάχνουμε με τον σκοπό να παράξουν ένα έργο καλύτερο από τι το παράγουμε εμείς. Στο προκειμένο παράδειγμα το παιχνίδι σκακιου.
ReplyDeleteΑντί να ερευνάμε σε μηχανές που θα λειτουργούν υποβοηθιτικά για τον άνθρωπο ώστε να τον ΒΕΛΤΙΩΣΟΥΝ κάθε επίπεδο της ύπαρξης τους, δημιουργούμε μηχανές που είναι τόσο ευφυείς και τέλειες ώστε να αντικαταστούν τις δικές μας ικανότητες. Ένα άλλο παράδειγμα που μου έρχεται στο μυαλό είναι το γεγονός οτι όλο και περισσότερος κόσμος που παρατηρώ στο περίγυρο μου έχει πάψει να κουράζει το μυαλό του με απλή μαθηματική και για κάθε τόσο απλοικο μαθηματικό πρόβλημα έχει έτοιμο στο χέρι του το κινητό. Αυτό είναι η απόλυτη παρακμή κατά την άποψη μου.
Όπως έχω ξανα πεί, αν συνεχίσει η εξέλιξη αυτόν τον δρόμο που έχει πάρει θα είναι θέμα χρόνου να αντικατασταθούμε από τις μηχανές.
Για τον απλούστατο λόγο οτι αυτές θα είναι οι ικανότερες, ισχυρότερες ευφυέστερες τέλος πάντων από τον νύν κυρίαρχο οργανισμό του πλανήτου δηλ. του ανθρωπου. Οτι μπορεί να πράξει ο άνθρωπος μπορεί να το πράξει η μηχανή σε πολύ πιο τέλειο βαθμό.
Βλάχος
Βλάχος
ReplyDeleteΕΠΙΒΕΒΑΙΩΝΩ ΤΟΝ ΙΣΧΥΡΙΣΜΟ ΣΟΥ ΠΕΡΙ ΑΝΙΚΑΝΟΤΗΤΟΣ ΠΡΑΓΜΑΤΟΠΟΙΗΣΗΣ ΑΠΛΩΝ ΠΡΑΞΕΩΝ ΠΛΕΟΝ ΑΠΟ ΠΟΛΛΟΥΣ. ΖΗΤΑ ΣΤΟΝ ΠΕΡΙΓΥΡΟ ΣΟΥ ΝΑ ΚΑΝΟΥΝ ΔΙΑΙΡΕΣΗ ΔΕΚΑΔΙΚΩΝ ΜΕ ΠΑΝΩ ΑΠΟ 4 ΨΗΦΙΑ. ΖΗΤΑ ΤΟΥΣ ΝΑ ΒΡΟΥΝ ΤΟΝ ΚΟΙΝΟ ΔΙΑΙΡΕΤΗ ΔΥΟ ΑΡΙΘΜΩΝ.
ΘΑ ΗΤΑΝ ΓΙΑ ΓΕΛΙΑ Η ΚΑΤΑΣΤΑΣΗ ΑΝ ΔΕΝ ΔΕΝ ΗΤΑΝ ΑΠΟΛΥΤΩΣ ΓΕΝΙΚΕΥΜΕΝΟ ΤΟ ΦΑΙΝΟΜΕΝΟ.
ΠΟΙΑ ΜΑΘΗΜΑΤΙΚΗ ΕΠΙΣΤΗΜΗ, ΠΟΙΕΣ ΑΦΗΡΗΜΕΝΕΣ ΕΝΟΙΕΣ, ΕΔΩ ΔΕΝ ΕΧΟΥΝ ΤΗΝ ΚΑΤΑΛΛΗΛΗ ΤΑΞΗ ΣΤΟΝ ΕΓΚΕΦΑΛΟ ΤΟΥΣ ΓΙΑ ΑΠΛΟΥΣ ΣΥΣΧΕΤΙΣΜΟΥΣ.
ΔΙΕΘΝΩΣ ΜΑΛΙΣΤΑ ΤΕΙΝΟΥΝ ΝΑ ΑΝΤΙΚΑΘΙΣΤΟΥΝ ΤΑ ΚΛΑΣΙΚΑ ΤΕΣΤ ΕΥΦΥΙΑΣ ΜΕ ΑΛΛΑ ..."ΣΥΝΑΙΣΘΗΜΑΤΙΚΗΣ" ΛΕΕΙ ΕΥΦΥΙΑΣ ...
ΣΕ ΑΥΤΟΝ ΤΟΝ ΚΟΣΜΟ ΖΕΙ ΚΑΙ Ο ΠΑΡΑΠΑΝΩ ΚΑΡΑΓΚΙΟΖΑΚΟΣ ΤΟΥ ΑΡΘΡΟΥ ΠΟΥ ΟΝΕΙΡΕΥΕΤΑΙ ΤΟΝ ΕΑΥΤΟ ΤΟΥ ΣΤΑ ...ΠΟΔΙΑ ΤΗΣ ΜΗΧΑΝΙΚΗΣ ΕΥΦΥΙΑΣ ΝΑ ΡΩΤΑ ΚΑΙ ΝΑ ΠΑΙΡΝΕΙ ΑΠΑΝΤΗΣΕΙΣ.
ΑΥΤΟ ΠΟΥ ΔΕΝ ΚΑΤΑΝΟΟΥΝ ΟΙ ΠΑΡΑ ΠΟΛΛΟΙ ΠΑΓΚΟΣΜΙΩΣ ΕΙΝΑΙ ΠΩΣ Η ΟΥΣΙΑ ΕΙΝΑΙ ΣΤΗΝ ΕΡΩΤΗΣΗ, ΟΧΙ ΣΤΗΝ ΑΠΑΝΤΗΣΗ.
ΑΠΟΒΛΑΚΩΜΕΝΟΙ ΑΝΘΡΩΠΟΙ ΔΟΥΛΟΙ ΕΥΦΥΙΩΝ ΜΗΧΑΝΩΝ . ΑΥΤΟ ΤΟ ΜΕΛΛΟΝ ΕΠΙΖΗΤΟΥΝ. ΚΑΙ ΟΛΑ ΑΥΤΑ ΔΙΟΤΙ ΕΙΜΑΙ ΕΥΘΥΝΟΦΟΒΟΙ. ΔΕΝ ΘΕΛΟΥΝ ΝΑ ΑΣΧΟΛΟΥΝΤΑΙ ΜΕ ΠΡΟΒΛΗΜΑΤΑ ΤΟΥΣ ΚΟΥΡΑΖΟΥΝ, ΒΑΡΙΟΥΝΤΑΙ ΕΧΟΥΝ ΝΑ ΚΑΝΟΥΝ ΑΛΛΑ ΠΙΟ ΕΥΧΑΡΙΣΤΑ , ΟΠΩΣ ΑΣ ΠΟΥΜΕ ΝΑ ΓΡΑΦΟΥΝ ΚΑΙ ΝΑ ΔΙΑΒΑΖΟΥΝ ΜΑΛΑΚΙΕΣ ΣΤΑ ΚΟΙΝΩΝΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΝΑ ΑΠΟΒΛΑΚΩΝΟΝΤΑΙ ΣΕ ΕΡΩΤΙΚΕΣ ΣΕΛΙΔΕΣ, ΣΕ ΣΤΟΙΧΗΜΑΤΑ ΚΑΙ ΣΤΑ ΣΠΟΡ, (ΧΩΡΙΣ ΝΑ ΣΥΜΜΕΤΕΧΟΥΝ ΟΙ ΙΔΙΟΙ ΣΕ ΑΥΤΑ), ΝΑ ΠΑΡΑΚΟΛΟΥΘΟΥΝ ΑΛΛΟΥΣ.
ΤΑ ΛΕΩ ΚΑΙ ΑΝΗΣΥΧΩ ΕΓΩ ΠΟΥ ΞΕΡΕΙΣ ΠΩΣ ΔΕΝ ΕΙΜΑΙ ΑΝΤΙΘΕΤΟΣ ΜΕ ΤΗΝ ΤΕΧΝΟΛΟΓΙΚΗ ΠΡΟΟΔΟ, ΙΣΑ-ΙΣΑ. ΕΙΜΑΙ ΥΠΟΣΤΗΡΙΚΤΗΣ ΤΗΣ. ΟΛΑ ΟΜΩΣ ΕΧΟΥΝ ΕΝΑ ΣΗΜΕΙΟ ΑΠΟ ΤΟ ΟΠΟΙΟ ΚΑΙ ΜΕΤΑ ΔΕΝ ΠΡΕΠΕΙ ΝΑ ΑΦΕΘΟΥΝ ΑΝΕΞΕΛΕΓΚΤΕΣ ΟΙ ΕΞΕΛΙΞΕΙΣ.
ΟΛΟΙ ΑΥΤΟΙ ΟΙ ΑΠΟΒΛΑΚΩΜΕΝΟΙ, ΟΙ ΠΑΡΑΠΑΝΩ, ΔΕΝ ΘΑ ΕΧΟΥΝ ΠΡΟΒΛΗΜΑ ΔΙΟΤΙ ΟΙ ΝΩΘΡΟΙ ΑΝΙΚΑΝΟΙ ΕΓΚΕΦΑΛΟΙ ΤΟΥΣ ΔΕΝ ΜΠΟΡΟΥΝ ΝΑ ΑΝΤΙΛΗΦΘΟΥΝ ΤΟ ΔΙΑΚΥΒΕΥΜΑ. ΟΛΟΙ ΑΥΤΟΙ ΟΙ ΑΠΟΒΛΑΚΩΜΕΝΟΙ ΨΗΦΙΖΟΥΝ ΑΛΛΟΥΣ ΑΠΟΒΛΑΚΩΜΕΝΟΥΣ ΓΙΑ ΝΑ ΑΠΟΦΑΣΙΣΟΥΝ ΓΙΑ ΑΥΤΑ ΤΑ ΘΕΜΑΤΑ.
ReplyDeleteΤο σχόλιο υπερέβη τους 4.096 χαρακτήρες και το ανέβασα στο PrivateBin.
Λυπάμαι για το λευκό φόντο.
https://privatebin.net/?52daf36821cd0755#Cs01oaqnjhQMZGXDwjjxFG/Ilyu+o4q3RhoQewNx4zc=
Το γρουσούζεψα με την πανδημία στο παραπάνω σχόλιο :)
DeleteΣτην καταπολέμηση του ιού έβαλε λίγο το χεράκι της η τεχνητή νοημοσύνη (ερευνητικά εργαστήρια).
Δυστυχώς δεν μπορεί να μας επιβάλει μαζικό εμβολιασμό... ακόμα! Από ότι φάνηκε, η Δύση πάσχει από ελευθερία.
Unknown
ReplyDeleteΣΤΙΣ ΤΑΙΝΙΕΣ "MATRIX" ΤΑ ΑΝΘΡΩΠΙΝΑ ΣΩΜΑΤΑ ΚΑΛΥΠΤΑΝ ΤΙΣ ΕΝΕΡΓΕΙΑΚΕΣ ΑΠΑΙΤΗΣΕΙΣ ΤΟΥ ΣΥΣΤΗΜΑΤΟΣ. ΑΠΛΑ ΛΕΩ...
ΣΕ ΣΥΓΧΑΙΡΩ ΓΙΑ ΤΗΝ ΠΡΟΘΕΣΗ ΣΟΥ ΝΑ ΕΛΕΓΞΕΙΣ ΤΙΣ ΕΞΕΛΙΚΤΙΚΕΣ ΔΥΝΑΤΟΤΗΤΕΣ ΤΩΝ "A.I". ΜΑΚΑΡΙ ΠΕΡΙΣΣΟΤΕΡΟΙ ΣΧΕΤΙΚΟΙ ΜΕ ΤΟ ΑΝΤΙΚΕΙΜΕΝΟ ΝΑ ΕΙΧΑΝ ΟΜΟΙΕΣ ΜΕ ΣΕΝΑ ΠΡΟΘΕΣΕΙΣ