فكر الذكاء الاصطناعي | أصلي، ترجم بواسطة AI
-
ذكر ساتيا ناديلا تناقض جيفونز. يستحق التعلم.
-
ين وانغ: لا يوجد “ذكاء” في الذكاء الاصطناعي، ولا “عصبي” في الشبكات العصبية، ولا “تعلم” في التعلم الآلي، ولا “عمق” في التعلم العميق. لا يوجد “عمق” في التعلم العميق. ما يعمل حقًا في هذا المجال يُسمى “حساب التفاضل والتكامل”. لذلك، أفضّل تسمية هذا المجال بـ “الحوسبة القابلة للتمايز”، وعملية بناء النماذج تُسمى “البرمجة القابلة للتمايز”.
-
ين وانغ: التعلم الآلي مفيد حقًا، قد نقول إنه نظرية جميلة، لأنه ببساطة حساب التفاضل والتكامل بعد عملية تجميل! إنه النظرية القديمة العظيمة لنيوتن، لايبنتز، في شكل أبسط، أنيق، وقوي. التعلم الآلي هو في الأساس استخدام حساب التفاضل والتكامل لاستنتاج ودعم بعض الدوال، والتعلم العميق هو دعم دوال أكثر تعقيدًا.
-
حاليًا، لا يمكن لنماذج اللغة الكبيرة تصفية الملفات حسب لغة مثل YAML أو Python. ومع ذلك، فإن جزء كبير من المعلومات في العالم الحقيقي منظم بهذه الطريقة. وهذا يعني أننا يمكننا تدريب نماذج اللغة الكبيرة باستخدام الملفات.
-
لتدريب نماذج اللغة الكبيرة، يمكننا تطوير نظام يجد مطابقة دقيقة. ربما يمكننا دمج خوارزمية البحث KMP (Knuth-Morris-Pratt) مع معمارية التحويلات لتحسين قدرات البحث.
-
لا توجد أسرار تكنولوجية. ستكشف المصادر المفتوحة جميع الأسرار التي يحتفظ بها سرًا.
-
سيؤثر الذكاء الاصطناعي على العديد من الأدوات، بما في ذلك الأدوات غير المباشرة. يقول الناس إنهم لن يحتاجوا إلى Figma لرسم النماذج الأولية، بل سيذهبون مباشرة إلى الكود. أعتقد أن Postman سيكون مشابهًا؛ سيستخدم الناس مباشرة Python أو scripts أخرى لطلب أو اختبار APIs.
-
أحد الأسباب التي تجعلنا لا نستخدم Postman أو Figma في عصر الذكاء الاصطناعي هو أن وظائفه لا يمكن توليدها عبر النص. كما أن لديهم نقص في اختصار Command + K لتفعيل استبدال المكونات.
-
تتحول واجهة المستخدم إلى عائق في عصر الذكاء الاصطناعي. لماذا نحديث Postman لتكون مدعومة بالذكاء الاصطناعي لاختبار التطبيقات عندما يمكننا استخدام مباشرة مكتبة requests في Python أو لغات برمجة أخرى لاختبار الكود، حيث ستكون الأخيرة مدعومة بالذكاء الاصطناعي؟
-
لماذا نحديث Figma لتكون مدعومة بالذكاء الاصطناعي لإنشاء واجهة المستخدم عندما تقدم توليد واجهة المستخدم القائمة على الكود، المحسنة بالذكاء الاصطناعي، Approach أكثر مباشرة وقوة محتملة؟
-
ستغير نماذج اللغة الكبيرة التطبيقات المتعلقة بالنص أولاً، مثل Google، محركات البحث، محرر النصوص وأدوات الكتابة، Quizlet، Zendesk، DeepL، Medium، WordPress، Trello، Asana، Gmail، GitHub، Goodreads، Duolingo، و Feedly.
-
من ناحية أخرى، من غير المرجح أن تثورة نماذج اللغة الكبيرة تكنولوجيات مثل Git، Linux، ffmpeg، الهواتف المحمولة، الأجهزة، المتصفحات، أنظمة التشغيل، أو مكالمات الصوت والفيديو. هذه التقنيات مركزية على الكود، ولا يمكن توليد كودها بسهولة بواسطة الذكاء الاصطناعي، unlike API testing tools مثل Postman.
-
التقنيات التي تحتوي على الكثير من الكود صعبة الثورة بواسطة الذكاء الاصطناعي، مثل OpenOffice، MySQL، Mozilla Firefox، Chromium، VLC Media Player، Qt Framework، LLVM/Clang، و GNOME. إذا كان الذكاء الاصطناعي يمكن أن يساعد في إنشاء هذه التقنيات، فلن يتم استبدالها. يجب أن يساعد الذكاء الاصطناعي في إنشاء تقنيات أفضل، ولتحقيق ذلك، سيحتاج الذكاء الاصطناعي إلى المزيد من قوة الحساب لتوليد نفس حجم الكود.
-
هناك طريقتان يمكن أن brings change: أولاً، عن طريق تغيير المحتوى أو البيانات داخل منصة أو برنامج، مثل ترجمة المحتوى في تطبيقات مثل TikTok؛ ثانيًا، عن طريق استبدال بعض البرامج أو المنصات مباشرة، مثل Postman أو Google Search، بما في ذلك Google Translate.
-
هناك طريقتان يمكن أن brings change: أولاً، عن طريق تغيير المحتوى أو البيانات داخل منصة أو برنامج، مثل إنشاء كتب صوتية لـ Audible؛ ثانيًا، عن طريق استبدال بعض البرامج أو المنصات مباشرة، على سبيل المثال، تطبيق Sing songs، حيث يمكن للذكاء الاصطناعي الآن أداء نفس المهام التي يؤديها البشر، مما يجعل من السهل على الناس الغناء بأغاني الهواة.
-
هناك عدة طرق لقياس تأثير الذكاء الاصطناعي على البرامج أو المنصات الحالية. أحد الطرق هو قياس كميات البيانات أو المحتوى التي يمكن توليدها أو تحسينها بواسطة الذكاء الاصطناعي، جزئيًا أو بالكامل. طريقة أخرى هي قياس كميات الكود التي يمكن كتابتها أو تحسينها بواسطة الذكاء الاصطناعي، جزئيًا أو بالكامل. وهذا يعني استخدام ما تولده الذكاء الاصطناعي لتحسين المنصات الحالية. بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي مساعدة في اختراع برامج ومنصات جديدة.
-
هناك ثلاثة أنواع من المنتجات، منتجات الذكاء الاصطناعي التوليدي، المنتجات التي تستخدم APIs من منتجات الذكاء الاصطناعي التوليدي، منتجات أخرى.
-
فكرة منتج واحدة هي استخدام الذكاء الاصطناعي لتجميع المعلومات أو الأخبار أو التحديثات في الوقت الفعلي من منصات اجتماعية مثل Reddit، GitHub Trending، Twitter Trending، Quora Trending، و Zhihu Trending. يمكن للمستخدمين استخدام التوجيهات لتخصيص التغذية أو حتى إضافة حسابات اجتماعية محددة.
-
هناك خمسة أنواع مهمة من البيانات: النص، الصورة، الصوت، الفيديو، والرمز.
-
أنواع أخرى مهمة من البيانات تشمل البيانات الرقمية، الجغرافية، البيومترية، الحساسات، المعاملات، البيانات الوصفية، البيانات الزمنية، البيانات المنظمة، غير المنظمة، نصف المنظمة، الصحية، البيئية، السجلات، الشبكة، والسلوكية.
-
Google لا يزال أفضل في فهرسة المواقع، خاصة إذا كنت تريد تنزيل برنامج أو وثيقة من موقع معين. يعمل مثل بحث المجال. أنت لا تستخدمه للعثور على المعلومات، بل للانتقال إلى مواقع أخرى لإجراء المهام. قد لا يكون لدى LLM أحدث روابط التنزيل.
-
Google يعمل مثل بحث المجال؛ إذا كنت تريد الذهاب إلى موقع مستودع Maven لاختبار أحدث إصدار، يمكنك استخدامه.
-
Google لا يزال مفيدًا في بحث الصور، بينما تتفوق نماذج اللغة الكبيرة في توليد النص. ومع ذلك، يفضل الناس عادةً الصور الحقيقية لتحقق تفاصيل الأجهزة، الأبعاد، أشكال objetos، أو مظهر شخص ما.
-
روبوتات الدردشة الذكاء الاصطناعي شائعة لأن النص أصعب معالجته من الصور. يفضل الناس الصور الحقيقية على الصور المولدة بواسطة الذكاء الاصطناعي لأن الصور أسهل فهمًا في نظرة واحدة. ومع ذلك، هناك إمكانية غير مستغلة في توليد الصور بواسطة الذكاء الاصطناعي - يمكن للمستخدمين طلب من الذكاء الاصطناعي عرض زوايا مختلفة، التكبير على الوجوه، أو تكبير تفاصيل لوحات الدوائر. لأن الناس يعملون بشكل أساسي مع النص بدلاً من الصور، هناك مجال كبير للنمو في أدوات الصور الذكاء الاصطناعي.
-
الذكاء الاصطناعي يتفوق في شرح المفاهيم وتسهيل الفهم. بالإضافة إلى ذلك، يمكن للمستخدمين طرح أسئلة حول أي تفاصيل محددة. هذا هو الأرجح أكثر فائدة لأدوات الذكاء الاصطناعي.
-
استخدمت الذكاء الاصطناعي لتعلم عن نماذج اللغة الكبيرة. لحظة ساعدني في فهم K، Q، و V كانت رائعة.
-
السبب الذي يجعلني أفضّل استخدام Ubuntu منذ إصدار LLM هو أن التطبيقات الغنية والمتنوعة في macOS أقل جاذبية لي. أفضّل كتابة برامجي وإجراء كل شيء عبر الطرفية والنص.
-
يمكن تقييم الذكاء الاصطناعي حسب قدرته على تحديث ملف pom.xml أو requirements.txt إلى أحدث إصدار، تحديث المكتبات، وإجراء الفحوصات. يمكن أن يتضمن هذا العملية كمية كبيرة من العمل ويمكن أن يكون معقدًا في بعض الأحيان.
-
في عصر الذكاء الاصطناعي، تكون اللغات البرمجية التي تتمتع بأداء أفضل وموثوقية أكثر أهمية وسيكون لها شعبية أكبر، بينما تكون الصياغة أقل أهمية. لأن LLM سيساعد في توليد الكود، مما يجعله أقل إزعاجًا طالما أن البرنامج يعمل بشكل جيد.
-
الناس يميلون إلى قراءة كل شيء من روبوتات الدردشة الذكاء الاصطناعي لأن التعلم سهلة، يمكنهم طرح أسئلة حول أي جانب، التنسيق متسق، والجودة غالبًا ما تكون من بين أفضل ما يوجد على الإنترنت.
-
لكن المعلومات ليست مجرد نص، يمكنك قراءة معظم المعلومات النصية من روبوتات الدردشة الذكاء الاصطناعي، لكنك تفقد الموقع الأصلي وتخطيطه وشكله، صور الشرح وتخطيط الموقع.
-
المواقع التي تحتوي على الكثير من التفاعل من غير المرجح أن تتغير بشكل كبير بواسطة الذكاء الاصطناعي، مثل ألعاب الويب، Google Docs، Google Sheets، وأدوات التعاون مثل Zoom أو Slack. هي مركزية على الكود ولا تركز فقط على النص.
-
من السهل ارتكاب أخطاء إملائية أو يتطلب الجهد صياغة التوجيهات لروبوتات الدردشة الذكاء الاصطناعي. لذلك، غالبًا ما لا تعمل بنك رقمي بالكامل مدعوم بالذكاء الاصطناعي، أو تطبيق تداول رقمي، أو وسائل التواصل الاجتماعي الذكاء الاصطناعي مع صندوق دردشة بسيط. الأزرار التقليدية، تنقل الصفحات، والتخطيط في تطبيقات الهاتف المحمول أكثر راحة.