AI 思考 | 原創，AI翻譯
-
Satya Nadella 提到傑文斯悖論。值得學習。
-
尹王：人工智能中沒有「智能」，神經網絡中沒有「神經」，機器學習中沒有「學習」，深度學習中沒有「深度」。深度學習中沒有「深度」。這個領域真正有效的東西被稱為「微積分」。因此，我更喜歡將這個領域稱為「可微計算」，而建立模型的過程稱為「可微編程」。
-
尹王：機器學習確實非常有用，甚至可以說是美妙的理論，因為它只是微積分的改頭換面！這是牛頓、萊布尼茲的古老而偉大的理論，以更簡單、優雅和強大的形式呈現。機器學習基本上是利用微積分來推導和擬合某些函數，而深度學習則是擬合更複雜的函數。
-
目前，大型語言模型無法按文件語言（如YAML或Python）過濾。然而，現實世界中有相當一部分信息是以這種方式組織的。這意味着我們可以用文件來訓練大型語言模型。
-
在訓練大型語言模型時，我們可以開發一個系統來找到完全匹配的內容。也許我們可以將KMP（Knuth-Morris-Pratt）搜索算法與變換器架構結合，以增強搜索能力。
-
沒有技術秘密。開源將揭示所有被嚴密守護的秘密。
-
AI 將影響許多工具，包括間接工具。有人說他們不需要Figma來繪製原型，他們會直接編寫代碼。我認為Postman也會類似；人們會直接使用Python或其他腳本來調用或測試API。
-
我們不使用Postman或Figma的原因之一是，它們的功能無法通過文字生成。它們也缺少命令 + K快捷鍵來觸發組件替換。
-
用戶界面正在成為AI時代的障礙。為什麼要升級Postman以便測試應用程序，而我們可以直接使用Python的requests庫或其他編程語言來測試代碼，因為後者將由AI驅動？
-
為什麼要升級Figma以便創建UI，而基於代碼的UI生成，增強了AI，提供了一種更直接和潛在更強大的方法？
-
LLMs 將首先改變與文字相關的應用程序，如Google、搜索引擎、文本編輯器和寫作工具、Quizlet、Zendesk、DeepL、Medium、WordPress、Trello、Asana、Gmail、GitHub、Goodreads、Duolingo和Feedly。
-
相反，LLMs 不太可能顛覆像Git、Linux、ffmpeg、手機、硬體、瀏覽器、操作系統或語音和視頻通話等技術。這些技術是基於代碼的，它們的代碼不像API測試工具（如Postman）那樣容易被AI生成。
-
代碼量較多的技術難以被AI顛覆，例如OpenOffice、MySQL、Mozilla Firefox、Chromium、VLC Media Player、Qt Framework、LLVM/Clang和GNOME。如果AI能夠幫助開發這些技術，它們就不會被取代。AI應該幫助開發更好的技術，而要做到這一點，AI需要更多的計算能力來生成相同規模的代碼。
-
LLMs 有兩種方式帶來變革：第一，通過改變平台或軟體中的內容或數據，例如應用程序中的內容翻譯，如TikTok；第二，直接取代某些軟體或平台，如Postman或Google搜索，包括Google翻譯。
-
AI音頻工具有兩種方式帶來變革：第一，通過改變平台或軟體中的內容或數據，例如為Audiable生成有聲書；第二，直接取代某些軟體或平台，例如Sing songs應用程序，因為AI現在可以執行人類的任務，使人們更容易將唱歌作為愛好。
-
有幾種方法可以衡量AI對當前軟體或平台的影響。一種方法是衡量AI可以生成或改進多少數據或內容，無論是部分還是完全。另一種方法是衡量AI可以編寫或改進多少代碼，無論是部分還是完全。這意味着我們使用AI生成的內容來改進當前平台。此外，AI可以幫助發明新的軟體和平台。
-
有三種類型的產品，生成式AI產品，使用生成式AI產品API的產品，其他產品。
-
一個產品想法是使用AI來累積來自社交平台（如Reddit、GitHub Trending、Twitter Trending、Quora Trending和Zhihu Trending）的即時信息、新聞或更新。用戶可以使用提示自定義鏈接或甚至添加特定的社交帳戶。
-
有五種重要的數據類型：文本、圖像、音頻、視頻和代碼。
-
其他重要的數據類型包括數值、地理空間、生物測量、傳感器、交易、元數據、時間序列、結構化、非結構化、半結構化、健康、環境、日誌、網絡和行為數據。
-
Google 在網站索引方面仍然更好，特別是當你想從特定網站下載軟體或文檔時。它就像一個域名搜索。你不是用它來查找信息，而是導航到其他網站以執行任務。 LLM 可能沒有最新的下載鏈接。
-
Google 就像一個域名搜索；如果你想去 Maven 存儲庫網站查看最新版本，你可以使用它。
-
Google 在圖像搜索方面仍然有用，而LLMs 在文本生成方面更出色。然而，人們通常更喜歡真實圖像來驗證硬體細節、尺寸、物體形狀或某人的外貌。
-
AI 聊天機器人很受歡迎，因為文本比圖像更難處理。人們更喜歡真實圖像而非AI生成的圖像，因為圖像更容易一目了然。然而，AI圖像生成仍有潛力 - 用戶可以要求AI顯示不同角度、放大臉部或放大電路板細節。由於人們主要處理的是文本而非圖像，AI圖像工具仍有很大的成長空間。
-
AI 擅長解釋概念並促進理解。此外，用戶可以就任何特定細節提問。這可能是AI工具最重要的用途。
-
我使用AI學習大型語言模型。當它幫助我理解K、Q和V時，那一刻非常美妙。
-
自從LLM發布以來，我更喜歡使用Ubuntu的原因是macOS豐富多彩的應用程序對我來說不太吸引人。我更喜歡編寫我的程序並通過終端和文本完成所有工作。
-
AI 可以通過評估它能否更新pom.xml或requirements.txt文件到最新版本、更新庫和執行檢查來進行評估。這個過程可能涉及大量工作，有時也很複雜。
-
在AI時代，性能和穩健性更好的編程語言更重要且更受歡迎，而語法不那麼重要。因為LLM將幫助生成代碼，只要程序能夠執行，語法就不會成為問題。
-
人們傾向於閱讀AI聊天機器人的所有內容，因為它們易於學習，可以就任何方面提問，格式一致，而質量通常是網絡上最好的。
-
但信息不僅僅是文本，你可以從AI聊天機器人讀取大部分文本信息，但你會失去原始網站及其佈局和形式，其說明圖像和網站設計。
-
具有大量交互的網站不太可能被AI顯著改變，例如網頁遊戲、Google Docs、Google Sheets和協作工具如Zoom或Slack。它們是基於代碼的，而不僅僅是專注於文本。
-
使用AI聊天機器人容易出現拼寫錯誤或需要努力構建提示。這就是為什麼完全由AI驅動的數字銀行、數字交易應用程序或僅帶有簡單聊天框的AI社交媒體通常不奏效的原因。傳統的點擊按鈕、頁面導航和移動應用程序的佈局更方便。