人工智能思考 | 原创，AI翻译
-
Satya Nadella 提到了杰文斯悖论。值得学习。
-
尹旺：人工智能中没有“智能”，神经网络中没有“神经”，机器学习中没有“学习”，深度学习中没有“深度”。深度学习中确实没有“深度”。这个领域真正有效的东西被称为“微积分”。因此，我更倾向于将这个领域称为“可微计算”，而构建模型的过程称为“可微编程”。
-
尹旺：机器学习确实非常有用，甚至可以说是美妙的理论，因为它只是微积分的改头换面！这是牛顿、莱布尼兹的古老而伟大的理论，以更简单、优雅和强大的形式呈现。机器学习基本上是使用微积分来推导和拟合一些函数，而深度学习则是拟合更复杂的函数。
-
目前，大型语言模型无法按文件语言（如YAML或Python）进行过滤。然而，现实世界中相当一部分信息是以这种方式组织的。这意味着我们可以使用文件来训练大型语言模型。
-
为了训练大型语言模型，我们可以开发一个系统来查找精确匹配。也许我们可以将KMP（Knuth-Morris-Pratt）搜索算法与Transformer架构结合，以增强搜索能力。
-
没有技术秘密。开源会揭示所有严密保守的秘密。
-
AI将影响许多工具，包括间接工具。人们说他们不再需要Figma来绘制原型，他们会直接进入代码。我认为Postman会类似；人们会直接使用Python或其他脚本来调用或测试API。
-
我们不使用Postman或Figma的一个原因是，它们的功能无法通过文本生成。它们也缺少命令+K快捷键来触发组件替换。
-
用户界面正在成为AI时代的障碍。为什么要升级Postman以便AI测试应用程序，当我们可以直接使用Python的requests库或其他编程语言来测试代码，而后者将由AI驱动？
-
为什么要升级Figma以便AI创建UI，当基于代码的UI生成，增强AI，提供更直接和潜在更强大的方法？
-
LLMs将首先改变文本相关的应用程序，如Google、搜索引擎、文本编辑器和写作工具、Quizlet、Zendesk、DeepL、Medium、WordPress、Trello、Asana、Gmail、GitHub、Goodreads、Duolingo和Feedly。
-
相反，LLMs不太可能颠覆Git、Linux、ffmpeg、手机、硬件、浏览器、操作系统或语音和视频通话等技术。这些技术是基于代码的，它们的代码不像API测试工具（如Postman）那样容易被AI生成。
-
代码量更多的技术很难被AI颠覆，如OpenOffice、MySQL、Mozilla Firefox、Chromium、VLC Media Player、Qt Framework、LLVM/Clang和GNOME。如果AI能够帮助开发这些技术，它们就不会被取代。AI应该帮助开发更好的技术，而要做到这一点，AI需要更多的计算能力来生成相同规模的代码。
-
LLMs有两种方式带来变化：首先，通过改变平台或软件中的内容或数据，例如应用程序（如TikTok）中的内容翻译；其次，直接替代某些软件或平台，如Postman或Google Search，包括Google Translate。
-
AI音频工具有两种方式带来变化：首先，通过改变平台或软件中的内容或数据，例如为Audible生成有声书；其次，直接替代某些软件或平台，例如Sing songs应用程序，因为AI现在可以执行人类的任务，使人们更容易将唱歌作为爱好。
-
有几种方法可以衡量AI对当前软件或平台的影响。一种方法是衡量AI可以生成或改进多少数据或内容，无论是部分还是完全。另一种方法是衡量AI可以编写或改进多少代码，无论是部分还是完全。这意味着我们使用AI生成的内容来改进当前平台。此外，AI可以帮助发明新的软件和平台。
-
有三种类型的产品，生成式AI产品，使用生成式AI产品API的产品，其他产品。
-
一个产品想法是使用AI从Reddit、GitHub Trending、Twitter Trending、Quora Trending和Zhihu Trending等社交平台积累实时信息、新闻或更新。用户可以使用提示来自定义信息流，甚至添加特定的社交账户。
-
有五种重要的数据类型：文本、图像、音频、视频和代码。
-
其他重要的数据类型包括数值、地理空间、生物测量、传感器、交易、元数据、时间序列、结构化、非结构化、半结构化、健康、环境、日志、网络和行为数据。
-
Google在网站索引方面仍然更好，特别是如果您想从特定网站下载软件或文档。它类似于域名搜索。您不是用它来查找信息，而是导航到其他网站以执行任务。LLM可能没有最新的下载链接。
-
Google类似于域名搜索；如果您想访问Maven存储库网站以检查最新版本，可以使用它。
-
Google在图像搜索方面仍然有用，而LLM在文本生成方面更出色。不过，人们通常更喜欢真实图像以验证硬件细节、尺寸、物体形状或某人的外貌。
-
AI聊天机器人很受欢迎，因为文本比图像更难处理。人们更喜欢真实图像而非AI生成的图像，因为图像更容易一目了然。然而，AI图像生成仍有潜力可挖——用户可以要求AI显示不同角度、放大面部或放大电路板细节。由于人们主要处理的是文本而非图像，AI图像工具仍有很大的增长空间。
-
AI擅长解释概念并促进理解。此外，用户可以就任何特定细节提出问题。这可能是AI工具最重要的用途。
-
我使用AI学习了大型语言模型。当它帮助我理解K、Q和V时，那一刻非常美妙。
-
由于LLM的发布，我更喜欢使用Ubuntu，因为macOS中丰富多彩的应用程序不再吸引我。我更喜欢编写我的程序并通过终端和文本完成所有工作。
-
AI可以通过评估其更新pom.xml或requirements.txt文件到最新版本、更新库并执行检查的能力来进行评估。这个过程可能涉及大量工作，有时也很复杂。
-
在AI时代，性能和健壮性更好的编程语言更重要且更受欢迎，而语法不那么重要。这是因为LLM将帮助生成代码，只要程序能够执行，语法就不那么重要。
-
人们倾向于从AI聊天机器人那里阅读所有内容，因为学习起来很容易，他们可以就任何方面提出问题，格式一致，质量通常是互联网上最好的之一。
-
但信息不仅仅是文本，您可以从AI聊天机器人那里阅读大部分文本信息，但您会失去原始网站及其布局和形式、说明图像和网站设计。
-
具有大量交互的网站不太可能被AI显著改变，例如网页游戏、Google Docs、Google Sheets和Zoom或Slack等协作工具。它们是基于代码的，而不仅仅是专注于文本。
-
使用AI聊天机器人很容易出现拼写错误或需要努力构造提示。这就是为什么完全由AI驱动的数字银行、数字交易应用程序或带有简单聊天框的AI社交媒体通常不奏效的原因。传统的点击按钮、页面导航和移动应用程序中的布局更方便。