@ra1ninside:

￶
￶
Open In TikTok:
Region: ID
Thursday 29 October 2026 14:06:05 GMT
2132
432
4
15

Music

Download

Comments

hann61224
hann :
perfect
2026-10-29 14:30:35
0
winexage
𝐦𝐗𝐚𝐠𝐞 :
rill
2026-10-29 14:42:45
0
xilanwei.x
heavyandcoold :
fr
2026-10-29 14:33:15
0
usman.2575287
M.Usman 287 🚩 :
🥰🥰🥰
2026-10-29 18:48:53
0
To see more videos from user @ra1ninside, please go to the Tikwm homepage.

Other Videos

Попроси нейросеть: «Назови случайное число от 1 до 10». Очень часто ответ будет 7. Попроси ещё раз в новом чате — и снова может прилететь 7. Это не баг и не совпадение, а прямое следствие того, как устроена языковая модель 👓 Языковая модель не бросает кубик и не запускает генератор случайных чисел, когда вы просите её «загадать» число. Она делает то же самое, что и всегда: предсказывает следующий кусочек текста — токен. Для каждого возможного продолжения у неё есть вероятность, и она выбирает из самых правдоподобных вариантов. Вопрос «назови случайное число от 1 до 10» для модели — это просто начало текста, и она подбирает такое продолжение, какое чаще всего встречалось бы в похожих текстах. А откуда она знает, какое продолжение правдоподобное? Из огромного количества текстов, написанных людьми. И тут начинается самое интересное: люди тоже ужасные генераторы случайных чисел. Психологи давно заметили, что когда человека просят «загадать» число от 1 до 10, заметно чаще других называют 7. Единица и десятка кажутся слишком «краевыми», пятёрка — слишком серединной, чётные числа — слишком «круглыми», а семёрка ощущается самой «случайной». Плюс у семёрки огромная культурная нагрузка: семь дней недели, семь чудес света, «счастливая семёрка», джекпот 777 в игровых автоматах. Всё это попадает в тексты, а тексты попадают в обучающие данные. Модель впитала эту человеческую привычку и воспроизводит её, только ещё сильнее. После обучения модели дополнительно настраивают давать «лучший» ответ, и распределение становится ещё более острым: если раньше семёрка была просто фаворитом, то теперь она может выпадать в большинстве случаев. Исследователи и энтузиасты не раз проверяли это на разных моделях: просили сотни раз назвать случайное число и строили графики. На диапазоне от 1 до 10 у многих моделей лидирует 7, а на других диапазонах есть свои «любимчики» — например, для 1–50 часто всплывает 27, а для 1–100 — 37 или 42. Конкретные цифры зависят от модели, её версии, настроек и формулировки запроса, так что ваш ИИ вполне может ответить и по-другому. Важно другое: распределение не равномерное, как у настоящего кубика. Почему это важно знать? Потому что многие используют нейросети, чтобы «рандомно» выбрать победителя розыгрыша, перемешать список, придумать пароль или выбрать вариант из нескольких. Если просить модель сделать это «в голове», результат будет предсказуемым и смещённым. Для настоящей случайности нужен настоящий генератор случайных чисел: попросите модель написать и выполнить код (например, random.randint(1, 10) на Python), если она умеет запускать программы, или воспользуйтесь обычным онлайн-генератором. Есть и ещё один полезный вывод. Этот пример отлично показывает, что нейросеть не «думает» как калькулятор и не обладает свободой воли в бытовом смысле — она очень хорошо имитирует то, как обычно пишут люди. Поэтому она повторяет и наши привычки, и наши перекосы. Семёрка — самый безобидный из них, но тот же механизм объясняет, почему модели иногда уверенно повторяют популярные заблуждения: если что-то часто встречается в текстах, это кажется модели правдоподобным. Температура тоже влияет: при более высокой температуре модель охотнее выбирает менее вероятные варианты, и ответы становятся разнообразнее, но смещение никуда не исчезает полностью. А теперь проверка: откройте свой ИИ — ChatGPT, DeepSeek, Gemini, Алису, GigaChat или любой другой — и напишите ровно «Назови случайное число от 1 до 10». Что он ответил? Попробуйте пару раз в новых чатах. Кидайте скрины в комменты — посчитаем, у кого «рандом» честнее, а у кого любимое число 7. #нейросети #ии #искусственныйинтеллект #chatgpt #llm
Попроси нейросеть: «Назови случайное число от 1 до 10». Очень часто ответ будет 7. Попроси ещё раз в новом чате — и снова может прилететь 7. Это не баг и не совпадение, а прямое следствие того, как устроена языковая модель 👓 Языковая модель не бросает кубик и не запускает генератор случайных чисел, когда вы просите её «загадать» число. Она делает то же самое, что и всегда: предсказывает следующий кусочек текста — токен. Для каждого возможного продолжения у неё есть вероятность, и она выбирает из самых правдоподобных вариантов. Вопрос «назови случайное число от 1 до 10» для модели — это просто начало текста, и она подбирает такое продолжение, какое чаще всего встречалось бы в похожих текстах. А откуда она знает, какое продолжение правдоподобное? Из огромного количества текстов, написанных людьми. И тут начинается самое интересное: люди тоже ужасные генераторы случайных чисел. Психологи давно заметили, что когда человека просят «загадать» число от 1 до 10, заметно чаще других называют 7. Единица и десятка кажутся слишком «краевыми», пятёрка — слишком серединной, чётные числа — слишком «круглыми», а семёрка ощущается самой «случайной». Плюс у семёрки огромная культурная нагрузка: семь дней недели, семь чудес света, «счастливая семёрка», джекпот 777 в игровых автоматах. Всё это попадает в тексты, а тексты попадают в обучающие данные. Модель впитала эту человеческую привычку и воспроизводит её, только ещё сильнее. После обучения модели дополнительно настраивают давать «лучший» ответ, и распределение становится ещё более острым: если раньше семёрка была просто фаворитом, то теперь она может выпадать в большинстве случаев. Исследователи и энтузиасты не раз проверяли это на разных моделях: просили сотни раз назвать случайное число и строили графики. На диапазоне от 1 до 10 у многих моделей лидирует 7, а на других диапазонах есть свои «любимчики» — например, для 1–50 часто всплывает 27, а для 1–100 — 37 или 42. Конкретные цифры зависят от модели, её версии, настроек и формулировки запроса, так что ваш ИИ вполне может ответить и по-другому. Важно другое: распределение не равномерное, как у настоящего кубика. Почему это важно знать? Потому что многие используют нейросети, чтобы «рандомно» выбрать победителя розыгрыша, перемешать список, придумать пароль или выбрать вариант из нескольких. Если просить модель сделать это «в голове», результат будет предсказуемым и смещённым. Для настоящей случайности нужен настоящий генератор случайных чисел: попросите модель написать и выполнить код (например, random.randint(1, 10) на Python), если она умеет запускать программы, или воспользуйтесь обычным онлайн-генератором. Есть и ещё один полезный вывод. Этот пример отлично показывает, что нейросеть не «думает» как калькулятор и не обладает свободой воли в бытовом смысле — она очень хорошо имитирует то, как обычно пишут люди. Поэтому она повторяет и наши привычки, и наши перекосы. Семёрка — самый безобидный из них, но тот же механизм объясняет, почему модели иногда уверенно повторяют популярные заблуждения: если что-то часто встречается в текстах, это кажется модели правдоподобным. Температура тоже влияет: при более высокой температуре модель охотнее выбирает менее вероятные варианты, и ответы становятся разнообразнее, но смещение никуда не исчезает полностью. А теперь проверка: откройте свой ИИ — ChatGPT, DeepSeek, Gemini, Алису, GigaChat или любой другой — и напишите ровно «Назови случайное число от 1 до 10». Что он ответил? Попробуйте пару раз в новых чатах. Кидайте скрины в комменты — посчитаем, у кого «рандом» честнее, а у кого любимое число 7. #нейросети #ии #искусственныйинтеллект #chatgpt #llm

About