у меня более простые умозрительные проблемки, они, скорее, в области NLP:

- привязка фактологии ко времени-периоду, как это сделать? я лишь недавно для себя понял как находить причинно-следственные связи между разнесёнными по времени событиями, но это не говорит, что просто разница во времени поможет это выяснить, мы же понимаем о возможности комплексного влияния событий даже на одно или серию событий.

- у системы нейронных сетей должно быть простое основание, собственно система сетей. но она будет настолько многомерна, что её, возможно невозможно будет понять, но одним из вариантов и является эволюция - добавление мерности. подсказки были от с.лема, великолепное изложение.

- как связать подсказки ии-инженера для самой сети, типа "а вот для получения даты используй запуск скрипта "get Data.now()", а за поиском информации иди в гугль. опаньки, поняяяяяяяяял :) в ячейку она бросит вопрос, а в друое место мы бросим ответ.

какие проблемы снялись:

- если тренировать,-ся на системах передачи сообщений (типа jms, amqp, kafka), то содержимое сообщения будет известно и можно понять что такой весовой коэффициент лишь по содержанию. на гитхабе только один такой проект.

- второе - базы данных в оперативной памяти или ssd-дисках, они уже позволяют создавать массивные, пусть и медленные рабочие слои. да!, это не железо, но это существенное продвижение по обработке обьемов. условно, одна таблица - один нейронный слой. причем предельно тупо(!), зачем мне генерировать тренировочные циклы, я просто буду связывать набор данных с нужным ответом, но потом всё равно придется искать абстрагирующие функции, которые по трем-четырём-... примерам будут искать общее-разницу, например поиск и выделение приставки, окончания, суффиксов разных, корней, затем превращения глагола в причастие и что-то такое еще.

- третье, весовые коэффициенты должны иметь запрещенные состояния, при которых запрещено выдавать результат, типа "маленький еще, не лезь"

- ну и, действительно, это просто цифра, но сумасшедшая в своих обьемах данных, количестве состояний, поэтому нам пока только исследовать начальные алгоритмы, а по сути дискретные функции с большим количеством входов, выводов и внутренней памяти. а здесь мы возвращаемся на пункт выше, работаешь пока с реальными данными. хотя генерировать гипотезы и их проверять тоже придётся.

- нужны библиотеки с такими функциями, как дай мне вывод функции 1234567 при входном наборе "мама мыла раму", либо организация такой универсальной функции

вот такое умозрение.
приятных выходных!

сейчас это всё в jupyter notebooks, и сами статьи, и код, и графика