Heeft iemand ooit gekweekt met AI? Ik vind het leuk en ik leer veel!

Het is meer een Geautomatiseerde Intelligentie dan een Kunstmatige Intelligentie…. Je leert niet, je imiteert gewoon een methode op basis van statistieken. Je leert niet om je instincten en gevoelens voor je planten te ontwikkelen… je voelt meteen dat er iets mis is door de stressspanning die je kunt voelen wanneer je de eerste stap in de kamer zet als het licht aangaat… GEEN AI kan je dit leren.

Ik gebruik gewoon I.

Ik heb ook veel geleerd via AI, maar hoe meer je buiten AI leest, praat met andere kwekers en groeivideo's bekijkt, hoe meer je je realiseert dat je AI niet te veel moet vertrouwen. Het kan onjuiste informatie geven, vooral als je geen zeer specifieke vragen stelt. Bijvoorbeeld, wanneer je organische voedingsstoffen zoals BioBizz gebruikt, zal AI soms advies geven dat van toepassing is op minerale voeding, organische voeding of een mix van beide. Je moet echt precies zijn en meerdere keren vermelden welke voedingsstoffen en kweekmethode je gebruikt. AI is een geweldig leermiddel, maar ik controleer altijd belangrijke informatie met ervaren kwekers en andere bronnen.

Haha, accuraat! Nee, ik heb vooral van mijn fouten geleerd 😂😂😂

Er is een goede YT-kanaal genaamd Weed in a Pot (en een zusterkanaal genaamd Hemp in a Pot) en hij heeft een complete kweek gedaan een jaar of twee geleden met behulp van AI.

in welke zin bedoel je "AI"? gebruik je een beperkte LLM met alleen primair bronmateriaal dat je geeft, zoals nu niet-werkende versies van notebook lm? heckin ja gebruik je een op maat gemaakt afbeeldingsmodel zoals open source en niet-zwart doos gebruikersgetrainde afbeeldingsmodellen voor weefselanalyse of sporenonderscheiding? heckin ja gebruik je machine learning-algoritmen op je apparatuur om betere instellingen, routines, schema's, drempels, setpunten, enz. te convergeren? heckin ja kopieer je iemands vraag in een AI en plak je het antwoord hier? dat is neon afro en unicycle niveau van clownerij wanneer de meeste mensen aan AI denken, verwijzen ze naar LLM's van het midden van de jaren 2020...... deze technologie is niet nieuw. google heeft het vele jaren geleden ontwikkeld en de papers over hoe je het moet doen zijn altijd gratis geweest, omdat google geen nut zag in iets zonder enige waarheidsgetrouwe zin over zin, behalve NPC's in games. ik ben de eerste die toegeeft dat er een ongelooflijke hoeveelheid ruwe kracht in LLM's zit, maar daar kom ik op terug. LLM's (ondanks alle fancy gebruikersinterfaces en buzzwords en venture capital circle jerks....) zijn niets meer dan een multidimensionale grafiek van een grote orde waar de basislinguïstiek wiskundig is verknald. Wat het uitspuugt is simpelweg de output van het startpunt op de grafiek die je het geeft. je kunt echt specifieke prompts krijgen, je kunt echt, echt, echt goed trainen, je kunt giga watt aan energie toevoegen om lagen te berekenen voor context.....maar het is een grafiek, bro. zelfs als je je prompt niet kunt visualiseren die wordt uitgezet op een 15-dimensionale grafiek en de resulterende output op basis van statistieken, linguïstiek en trainingsdata gecombineerd... betekent niet dat het geen grafiek is. het is het nog steeds. dus wanneer 9/10 mensen om je heen naar AI verwijzen, verwijzen ze naar een gemiddelde grafiek en de belangrijkste modellen die beschikbaar zijn voor het publiek zijn NIET goed getraind. ze zijn reddit-gebruikers en wij die het over onze alternatieve accounts hebben, worden opgeslokt voor trainingsdata lmao. de belangrijkste modellen die beschikbaar zijn voor het publiek geven je NIET 1000 keer meer rekenkracht alleen op basis van contextuitlijning. de ruwe kracht van LLM's is tweeledig. ten eerste, het vermogen om de neuron- en synapsvorm van een brein te repliceren, wordt ongelooflijk nauwkeurig gedaan door de gewichten en dergelijke van LLM's. ten tweede, linguïstiek is eindig. op dezelfde manier als je een bepaalde mate van communicatie tussen twee verbale soorten met verschillende talen zou kunnen ontcijferen, zo zal linguïstiek bepaalde fenomenen tonen zodra de LLM's voldoende groot zijn en de juiste trainingsdata hebben. dat is nu gewoon niet het geval. niet voor jou, niet op chat gpt freemium of wat dan ook, bro. stel je gewoon de wilde mate van antwoorden voor die je krijgt op een kweekvraag op deze site. stel je nu voor dat elk van die antwoorden gelijk gewicht krijgt en in je verklaring wordt gepompt. nu, hoeveel van die reacties zijn volkomen verkeerd, punt uit? lol

Hoi.... Ik denk dat je een paar nuttige tips kunt krijgen, maar ik zou me er niet op verlaten....... Ik denk dat de tips hier bij Gd of ergens anders van echte gebruikers veel waardevoller zijn! Het beste zijn natuurlijk de ervaringen die je zelf opdoet en dan ook toepast.......😎 Veel geluk

Fuck AI!

Ik gebruik professioneel verschillende modellen en hoewel het de afgelopen 1-2 jaar veel verbeterd is, kan er nog steeds niet op vertrouwd worden als een enkele bron van waarheid. Deze systemen kunnen nog steeds en vaak heel slecht advies geven, zelfs over eenvoudige dingen.

Het probleem is dat het is getraind op anekdotes. Dus, neem niet aan dat het altijd de juiste informatie heeft.. Het zal populaire sentimenten herhalen als het is getraind op door gebruikers ingediende gegevens - zoals forums en dergelijke. De LLM's zijn ook geen "AI." Ze zijn gecodeerd om positief te zijn en je een goed gevoel te geven. Dus, daar is ook een soort corruptie in de gegevens. Het zal je vertellen wat je wilt horen als je het zo aanstuurt.