В ветке обсуждения Питона участник сказал

Автор: Nuzhny
Дата: 05.05.25

: "вместо модной ИИшечки будешь скучный веб прогать".
Веб, микросервисы, монолиты, десктоп, react, nosql, big data — можно называть как угодно, но по сути за этими хайпо-терминами стоит типичное приложение вида "База данных", которым 50 лет в обед. Автоматизация очередной предметной области.
Годы идут, технологии и хайпы меняются, но суть остается прежней: БАЗЫ ДАННЫХ.
И если БД скрыта за бэком, ORM, она от этого не исчезает.
БД за годы существования конечно развились, но до сих пор опираются на SQL и им подобное.
Если БД теперь скрыта за слоем SPA, микросервисов, это принципиально ничего не меняет.
Все эти навороты только усложняют жизнь очередного программиста БД.
Раньше была одна роль — программист БД, А теперь это фронтовик, бэкендер, девопс, админ, тестер, аналитик, деливери-менеджер, и может что еще. Навернули так, что теперь требуется толпа.
Хайпы ценой раздувания бюджетов.
Но вроде как это обеспечило работу в кластере и большую нагрузку.
Но под капотом кластера опять БД.
Так ИИ это тоже база данных

Петька и Василий Иванович pешили вpачевать. Входит больной и говоpит:
— Доктоp, у меня обоняние пpопало.
Василий Иванович:
— Петька, таблетку номер девять.
Больной, пpоглатывая:
— Да это ж козья какашка.
— Петька, пиши: обоняние восстановлено.
Hа следующий день тот же больной.
— Доктоp, у меня пpопала память.
— Петька, таблетку номер девять.
— Да это ж опять козья...
— Петька, пиши: память в ноpме.

Здравствуйте, Явь-истъ, Вы писали:

ЯИ>Так ИИ это тоже база данных

В терминах лохматых годов, ИИ — это база знаний, а не данных. Отличие в том, что данные просто как-то структурированно лежат в таблицах со связями между собой.
Если мы берём классическую задачу поиска по данным предприятия в современной интерпретации — задачу типа Retrieval-augmented generation (RAG) и современную LLM нейросеть, только языковую или мультимодальную, то у нас появляется связка:
— база знаний предприятия в своём векторном пространстве, созданном с помощью LLM;
— LLM, которая умеет тексты, в том числе запросы пользователя переводить в это пространство;
— поисковой движок по векторному пространству, например, faiss;
— LLM, которая умеет генерировать ответ по запросу пользователя и результатом поиска по базе знаний.

Тот факт, что база знаний что-то там внутри себя хранит, не делает её базой данных.
В чём тут творчество и веселье программиста: в задаче нет чётких метрик и показателей качества, которые можно объективно измерить. Насколько хорошо работает LLM для перевода текста в векторное пространство — хз, есть относительные метрики только. Насколько хороша LLM для генерации ответа — ну, можно обучить по типичным кейсам, которые были до внедрения ИИ. Или просить пользователей ставить оценку адекватности. Можно и нужно их до обучать, чтобы повысить вот это субъективное качество. Можно брать свежие LLM от мировых лидеров индустрии и практически в один день выкатывать в продакшн и оно сразу будет как-то работать. Например, с одной СУБД на другую ты так не перейдешь. Короче, намного больше творчества в процессе работы.

P.S. Я тут уже не пишу про множество других задач: работа с картинками, видео, их понимание и генерация и т.д. И всегда можно делать шаг в сторону математики или от неё. Граница между разработкой и исследованием сильно размыта.