فكرات الذكاء الاصطناعي
-
Satya Nadella ذكر فرادايكس. من الجيد تعلمه.
-
ين وانغ: لا يوجد “ذكاء” في الذكاء الاصطناعي، ولا يوجد “عصبي” في الشبكات العصبية، ولا يوجد “تعلم” في تعلم الآلة، ولا يوجد “عمق” في التعلم العميق. لا يوجد “عمق” في التعلم العميق. ما يعمل حقًا في هذا المجال يُسمى “حساب التفاضل”. لذلك، أفضيل أن أسمي هذا المجال “حساب التفاضل”، والعملية بناء النماذج تُسمى “برمجة التفاضل”.
-
ين وانغ: تعلم الآلة مفيد حقًا، يمكن أن يقال إنه نظرية جميلة، لأنها ببساطة حساب التفاضل بعد تغيير مظهره! إنها النظرية القديمة العظيمة لنيوتن، لايبنتز، في شكل أبسط، أكثر أناقة وقوة. تعلم الآلة أساسًا استخدام حساب التفاضل للحصول على بعض الدوال والتكيف معها، وتعلم العميق هو التكيف مع الدوال الأكثر تعقيدًا.
-
حاليًا، لا يمكن للنماذج اللغوية الكبيرة تصفية الملفات حسب اللغة مثل YAML أو Python. ومع ذلك، فإن جزءًا كبيرًا من المعلومات في العالم الحقيقي منظم بهذه الطريقة. وهذا يعني أننا يمكننا تدريب النماذج اللغوية الكبيرة باستخدام الملفات.
-
لتدريب النماذج اللغوية الكبيرة، يمكننا تطوير نظام يجد تطابقات دقيقة. ربما يمكننا دمج خوارزمية البحث KMP (Knuth-Morris-Pratt) مع معمارية التحويل لتحسين قدرات البحث.
-
لا توجد أسرار تكنولوجية. سوف يكشف المصدر المفتوح عن جميع الأسرار التي تحرسها بعناية.
-
سيؤثر الذكاء الاصطناعي على العديد من الأدوات، بما في ذلك الأدوات غير المباشرة. يقولون إنهم لن يحتاجوا إلى Figma رسم النماذج الأولية، سيذهبون مباشرة إلى الكود. أعتقد أن Postman سيكون مشابهًا؛ سيستخدم الناس مباشرة Python أو سكربتات أخرى لإدخال أو اختبار APIs.
-
أحد الأسباب التي تجعلنا لا نستخدم Postman أو Figma في عصر الذكاء الاصطناعي هو أن وظائفهما لا يمكن أن تُولد من خلال النص. كما أن لهما نقص في اختصار “command + K” لتفعيل استبدال المكون.
-
interfaces المستخدمين تصبح عائقًا في عصر الذكاء الاصطناعي. لماذا نرفع Postman ليكون مدعومًا بالذكاء الاصطناعي لتجربة التطبيقات عندما يمكننا استخدام مكتبة “requests” في Python أو لغات برمجة أخرى لتجربة الكود، حيث ستكون الأخيرة مدعومة بالذكاء الاصطناعي؟
-
لماذا نرفع Figma ليكون مدعومًا بالذكاء الاصطناعي لإنشاء واجهات المستخدم عندما يمكن أن تكون إنشاء واجهات المستخدم بناءً على الكود، مدعومًا بالذكاء الاصطناعي، طريقة أكثر مباشرة وقوة محتملة؟
-
سيغير LLMs التطبيقات المتعلقة بالنص أولاً، مثل Google، محركات البحث، محرر النصوص وأدوات الكتابة، Quizlet، Zendesk، DeepL، Medium، WordPress، Trello، Asana، Gmail، GitHub، Goodreads، Duolingo، وFeedly.
-
من ناحية أخرى، من غير المرجح أن يثور LLMs تكنولوجيات مثل Git، Linux، ffmpeg، الهواتف المحمولة، الأجهزة، المتصفحات، أنظمة التشغيل، أو المكالمات الصوتية والفيديو. هذه التقنيات مركزية على الكود، ولا يمكن أن يُولد كودها بسهولة بواسطة الذكاء الاصطناعي، على عكس أدوات اختبار API مثل Postman.
-
تقنيات الكود أكثر صعوبة في ثورتها بواسطة الذكاء الاصطناعي، مثل OpenOffice، MySQL، Mozilla Firefox، Chromium، VLC Media Player، Qt Framework، LLVM/Clang، وGNOME. إذا كان الذكاء الاصطناعي يساعد في صنع هذه التقنيات، فلن يتم استبدالها. يجب أن يساعد الذكاء الاصطناعي في صنع تقنيات أفضل، ولفعل ذلك، سيحتاج الذكاء الاصطناعي إلى مزيد من القدرة الحوسبية لإنتاج نفس كمية الكود.
-
هناك طريقتان يمكن أن يجلب LLMs التغيير: الأولى، من خلال تغيير المحتوى أو البيانات داخل منصّة أو برمجية، مثل ترجمة المحتوى في تطبيقات مثل TikTok؛ الثانية، من خلال استبدال بعض البرمجيات أو المنصات مباشرة، مثل Postman أو Google Search، بما في ذلك Google Translate.
-
هناك طريقتان يمكن أن يجلب أدوات الصوت الاصطناعي التغيير: الأولى، من خلال تغيير المحتوى أو البيانات داخل منصّة أو برمجية، مثل إنشاء كتب صوتية لأوديبل؛ الثانية، من خلال استبدال بعض البرمجيات أو المنصات مباشرة، مثل تطبيق Sing songs، حيث يمكن للذكاء الاصطناعي الآن أداء نفس المهام التي يقوم بها البشر، مما يجعل من السهل على الناس أن يغنون الأغاني كهواية.
-
هناك عدة طرق لقياس كيفية تأثير الذكاء الاصطناعي على البرمجيات أو المنصات الحالية. طريقة واحدة هي قياس كم من البيانات أو المحتوى يمكن أن يُولد أو يُحسن بواسطة الذكاء الاصطناعي، جزئيًا أو كليًا. طريقة أخرى هي قياس كم من الكود يمكن أن يكتب أو يُحسن بواسطة الذكاء الاصطناعي، جزئيًا أو كليًا. وهذا يعني أننا نستخدم ما يُولد بواسطة الذكاء الاصطناعي لتحسين المنصات الحالية. بالإضافة إلى ذلك، يمكن للذكاء الاصطناعي مساعدتنا في اختراع برمجيات و منصات جديدة.
-
هناك ثلاثة أنواع من المنتجات، منتجات الذكاء الاصطناعي، المنتجات التي تستخدم APIs من منتجات الذكاء الاصطناعي، منتجات أخرى.
-
فكرة منتج واحدة هي استخدام الذكاء الاصطناعي لتجميع معلومات أو أخبار أو تحديثات في الوقت الفعلي من منصات اجتماعية مثل Reddit، GitHub Trending، Twitter Trending، Quora Trending، وZhihu Trending. يمكن للمستخدمين استخدام التوجيهات لتخصيص التغذية أو حتى إضافة حسابات اجتماعية محددة.
-
هناك خمسة أنواع مهمة من البيانات: النص، الصورة، الصوت، الفيديو، والكود.
-
أنواع أخرى مهمة من البيانات تشمل البيانات الرقمية، الجغرافية، البيومترية، الحساسة، المعاملات، البيانات الوصفية، البيانات الزمنية، البيانات المنظمة، غير المنظمة، شبه المنظمة، الصحة، البيئية، السجلات، الشبكة، السلوكية.