KI-Gedanken | Original, von KI übersetzt
-
Satya Nadella hat das Jevons-Paradox erwähnt. Es lohnt sich, es zu lernen.
-
Yin Wang: In der künstlichen Intelligenz gibt es keine “Intelligenz”, in neuronalen Netzen keine “Neuronen”, im maschinellen Lernen kein “Lernen” und im Deep Learning keine “Tiefe”. Es gibt keine “Tiefe” im Deep Learning. Was wirklich funktioniert, nennt man “Calculus”. Ich bevorzuge es, dieses Feld “differenzierbare Berechnung” zu nennen, und den Prozess des Modellbaus “differenzierbare Programmierung”.
-
Yin Wang: Maschinelles Lernen ist wirklich nützlich, man könnte sogar sagen, eine schöne Theorie, weil es einfach nur Calculus mit einem Makeover ist! Es ist die alte und große Theorie von Newton, Leibniz, in einer einfacheren, eleganteren und mächtigeren Form. Maschinelles Lernen besteht im Wesentlichen darin, Calculus zu verwenden, um Funktionen abzuleiten und anzupassen, und Deep Learning ist das Anpassen komplexerer Funktionen.
-
Derzeit können große Sprachmodelle keine Dateien nach Sprache wie YAML oder Python filtern. Ein erheblicher Teil der Informationen in der realen Welt ist jedoch auf diese Weise organisiert. Das bedeutet, dass wir große Sprachmodelle mit Dateien trainieren könnten.
-
Für das Training großer Sprachmodelle könnten wir ein System entwickeln, das exakte Übereinstimmungen findet. Vielleicht können wir den KMP-Algorithmus (Knuth-Morris-Pratt) mit der Transformer-Architektur kombinieren, um die Suchfähigkeiten zu verbessern.
-
Es gibt keine technologischen Geheimnisse. Open Source wird alle streng gehüteten Geheimnisse enthüllen.
-
KI wird viele Tools beeinflussen, einschließlich indirekter. Menschen sagen, sie bräuchten Figma nicht mehr, um Prototypen zu zeichnen, sie würden direkt zum Code gehen. Ich denke, dass Postman ähnlich sein wird; Menschen werden direkt Python oder andere Skripte verwenden, um APIs aufzurufen oder zu testen.
-
Ein Grund, warum wir Postman oder Figma in der KI-Ära nicht verwenden, ist, dass ihre Funktionen nicht durch Text generiert werden können. Ihnen fehlt auch eine Strg + K-Tastenkombination, um Komponenten auszulösen.
-
Benutzeroberflächen werden in der KI-Ära zu einer Barriere. Warum Postman für das Testen von Anwendungen mit KI aufrüsten, wenn wir direkt die Python-Bibliothek “requests” oder andere Programmiersprachen verwenden können, um Code zu testen, da Letztere durch KI unterstützt werden?
-
Warum Figma für die Erstellung von Benutzeroberflächen mit KI aufrüsten, wenn die codebasierte UI-Erstellung, verstärkt durch KI, einen direkteren und potenziell mächtigeren Ansatz bietet?
-
LLMs werden Text-bezogene Anwendungen zuerst verändern, wie Google, Suchmaschinen, Texteditoren und Schreibwerkzeuge, Quizlet, Zendesk, DeepL, Medium, WordPress, Trello, Asana, Gmail, GitHub, Goodreads, Duolingo und Feedly.
-
Andererseits werden LLMs Technologien wie Git, Linux, ffmpeg, Mobiltelefone, Hardware, Browser, Betriebssysteme oder Sprach- und Videotelefonie wahrscheinlich nicht revolutionieren. Diese Technologien sind codezentriert, und ihr Code wird nicht so leicht von KI generiert wie API-Testtools wie Postman.
-
Technologien mit mehr Code sind schwer von KI zu revolutionieren, wie OpenOffice, MySQL, Mozilla Firefox, Chromium, VLC Media Player, Qt Framework, LLVM/Clang und GNOME. Wenn KI helfen könnte, diese Technologien zu verbessern, würden sie nicht ersetzt. KI sollte helfen, bessere Technologien zu schaffen, und dafür wird KI mehr Rechenleistung benötigen, um den gleichen Umfang an Code zu generieren.
-
Es gibt zwei Möglichkeiten, wie LLMs Veränderungen bringen können: Erstens, indem sie den Inhalt oder die Daten innerhalb einer Plattform oder Software verändern, wie z. B. die Übersetzung von Inhalten in Apps wie TikTok; zweitens, indem sie bestimmte Software oder Plattformen direkt ersetzen, wie Postman oder Google Search, einschließlich Google Translate.
-
Es gibt zwei Möglichkeiten, wie KI-Audio-Tools Veränderungen bringen können: Erstens, indem sie den Inhalt oder die Daten innerhalb einer Plattform oder Software verändern, wie z. B. die Erstellung von Hörbüchern für Audible; zweitens, indem sie bestimmte Software oder Plattformen direkt ersetzen, z. B. die Sing-Songs-App, da KI nun die gleichen Aufgaben wie Menschen ausführen kann, was es für Menschen einfacher macht, Singen als Hobby zu betreiben.
-
Es gibt mehrere Möglichkeiten, wie KI den Einfluss auf aktuelle Software oder Plattformen messen kann. Eine Möglichkeit besteht darin, zu messen, wie viel Daten oder Inhalte von KI generiert oder verbessert werden können, entweder teilweise oder vollständig. Eine andere Möglichkeit besteht darin, zu messen, wie viel Code von KI geschrieben oder verbessert werden kann, entweder teilweise oder vollständig. Das bedeutet, dass wir verwenden, was KI generiert, um aktuelle Plattformen zu verbessern. Zusätzlich kann KI helfen, neue Software und Plattformen zu erfinden.
-
Es gibt drei Arten von Produkten: Generative-KI-Produkte, Produkte, die die APIs von Generative-KI-Produkten nutzen, und andere Produkte.
-
Eine Produktidee besteht darin, KI zu nutzen, um Echtzeitinformationen, Nachrichten oder Updates aus sozialen Plattformen wie Reddit, GitHub Trending, Twitter Trending, Quora Trending und Zhihu Trending zu sammeln. Benutzer können Prompts verwenden, um den Feed anzupassen oder sogar bestimmte soziale Konten hinzuzufügen.
-
Es gibt fünf wichtige Arten von Daten: Text, Bild, Audio, Video und Code.
-
Andere wichtige Arten von Daten umfassen numerische, geographische, biometrische, Sensordaten, Transaktionsdaten, Metadaten, Zeitreihendaten, strukturierte, unstrukturierte, halbstrukturierte, Gesundheitsdaten, Umwelt-, Log-, Netzwerk- und Verhaltensdaten.
-
Google ist immer noch besser für die Indexierung von Websites, insbesondere wenn Sie Software oder ein Dokument von einer bestimmten Website herunterladen möchten. Es funktioniert wie eine Domänensuche. Sie verwenden es nicht, um Informationen zu finden, sondern um zu anderen Websites zu navigieren, um Aufgaben auszuführen. Ein LLM könnte möglicherweise nicht die neuesten Download-Links haben.
-
Google funktioniert wie eine Domänensuche; wenn Sie zu einer Maven-Repository-Website gehen möchten, um die neueste Version zu überprüfen, können Sie es verwenden.
-
Google bleibt nützlich für die Bildersuche, während LLMs bei der Texterzeugung hervorragen. Dennoch bevorzugen Menschen echte Bilder, um Hardware-Details, Abmessungen, Objektformen oder das Aussehen einer Person zu überprüfen.
-
KI-Chatbots sind beliebt, weil Text schwerer zu verarbeiten ist als Bilder. Menschen bevorzugen echte Bilder gegenüber KI-generierten, da Bilder leichter auf einen Blick zu verstehen sind. Dennoch hat die KI-Bilderzeugung ungenutztes Potenzial – Benutzer könnten die KI bitten, verschiedene Ansichten zu zeigen, in Gesichter zu zoomen oder Details von Leiterplatten zu vergrößern. Da Menschen hauptsächlich mit Text arbeiten, gibt es erhebliches Wachstumspotenzial für KI-Bildwerkzeuge.
-
KI glänzt darin, Konzepte zu erklären und das Verständnis zu erleichtern. Darüber hinaus können Benutzer Fragen zu jedem spezifischen Detail stellen. Dies ist wahrscheinlich der bedeutendste Nutzen von KI-Tools.
-
Ich habe KI genutzt, um über Large Language Models zu lernen. Der Moment, in dem es mir geholfen hat, K, Q und V zu verstehen, war wunderbar.
-
Der Grund, warum ich seit der Veröffentlichung von LLM Ubuntu bevorzuge, ist, dass die reichen und farbenfrohen Apps in macOS für mich weniger ansprechend sind. Ich bevorzuge das Schreiben meiner Programme und das Erledigen aller Aufgaben über das Terminal und Text.
-
KI kann anhand dessen bewertet werden, wie gut sie eine pom.xml- oder requirements.txt-Datei auf die neueste Version aktualisieren, Bibliotheken aktualisieren und Überprüfungen durchführen kann. Dieser Prozess kann eine erhebliche Menge an Arbeit erfordern und manchmal komplex sein.
-
In der KI-Ära sind Programmiersprachen mit besserer Leistung und Robustheit wichtiger und werden beliebter sein, während die Syntax weniger wichtig ist. Dies liegt daran, dass LLM beim Generieren von Code hilft, was weniger mühsam ist, solange das Programm gut läuft.
-
Menschen neigen dazu, alles von KI-Chatbots zu lesen, weil es einfach zu lernen ist, sie Fragen zu jedem Aspekt stellen können, das Format konsistent ist und die Qualität oft zu den besten im Internet gehört.
-
Aber Informationen bestehen nicht nur aus Text, Sie können den größten Teil der Textinformationen von KI-Chatbots lesen, aber Sie verlieren die ursprüngliche Website und ihr Layout und ihre Form, ihre Erklärungsbilder und das Webdesign.
-
Websites mit viel Interaktion werden wahrscheinlich nicht wesentlich durch KI verändert werden, wie Webspiele, Google Docs, Google Sheets und Kollaborationstools wie Zoom oder Slack. Sie sind codezentriert und nicht nur auf Text ausgerichtet.
-
Es ist einfach, Tippfehler zu machen oder es erfordert Mühe, Prompts für KI-Chatbots zu formulieren. Deshalb funktionieren eine vollständig KI-gesteuerte digitale Bank, eine digitale Trading-App oder ein soziales Netzwerk mit einem einfachen Chatfeld oft nicht. Traditionelle Klick-Buttons, Seitennavigation und Layouts in mobilen Apps sind bequemer.