आय.ए. (AI) विश्लेषणात्मक नियोजनापेक्षा अनुभवातून शिकण्याची मागणी करते

मला वाटते की आम्हाला अद्याप काय क्षमता लवकरच येणार आहेत आणि तंत्रशास्त्रीय दृष्टीने काय काम करणार आहे याचा अंदाज नाही, आणि मग ते तंत्रशास्त्रीय दृष्टीने काम केले तरीही ते प्रत्यक्षात काय काम करेल याचाही अंदाज नाही, म्हणून आम्हाला खूप नम्र असून अनुभवाद्वारे खूप काही शिकणे खूप महत्त्वाचे आहे आणि लवकर लवकर गोष्टी करून पाहणे

या पूर्वी मी काम केलेल्या ठिकाणी तुम्हाला कोणती तंत्रज्ञान बांधण्यात येत आहे याचा अंदाज असतो, पण ही गोष्ट आय.ए. (AI) साठी बिलकूल खरी नाही. दोन महिन्यांत कॉम्प्युटर्स असे काही करू शकतात ज्यासाठी ते अद्याप सक्षम नव्हते आणि तुम्हाला जे काही करत आहात त्याबद्दल पूर्णपणे वेगळ्या प्रकारे विचार करावा लागतो

AI क्षमतांमधील वेगाने बदलण्याचा संदर्भ आहे, आणि "क्षमता कमी झाली" म्हणजे कंपन्या जसे अँथ्रोपिक्समधून नवीन AI वैशिष्ट्ये प्रकाशित करतात तेव्हा.

तुम्ही त्या बदलांना प्रतिरोधक असावे. क्षमता कमी होत असताना, तुम्हाला त्याकडे लक्ष देऊन लगेचच कृती करता येणे खूप महत्त्वाचे आहे. म्हणून लवचिक असणे, रोडमॅप्स पुढे नेणे बंद करणे आणि लगेचच प्राधान्यक्रम बदलणे ही खूप महत्त्वाची गोष्ट आहे

तुम्ही बांधले असलेले सोडून द्या. तुम्ही सोडवण्याचा प्रयत्न करत होते त्या उद्दिष्टांकडे परत जा आणि आता या तंत्रज्ञानाद्वारे ते उद्दिष्ट किती उत्तम रीतीने साध्य करता येईल?

आम्ही हे काय हंगाम आहे याचा विचार करतो? हंगाम एक कदाचित आय.ए. (AI) च्या प्रारंभिक प्रायोगिकरणाचा असेल आणि नंतर ते मॉडेल्स आणि युक्तिवादी मॉडेल्सच्या बाबतीत होते, आणि आता ते एजंट्सच्या आदवेनाचं आहे. हा एक वर्षभर राहू शकतो, हा सहा महिन्यांपर्यंत राहू शकतो, हा तीन महिन्यांपर्यंत राहू शकतो

आज साठी बनवू नका, सहा महिने पुढील आणि एक वर्ष पुढील बनवा. जी गोष्ट आज 20% काम करत आहे ती पुढच्या काळात 100% काम करू लागेल