Populární témata
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Aaron Levie
CEO @box - Uvolněte sílu svého obsahu pomocí umělé inteligence
Agenti umělé inteligence jsou multiplikátorem síly pro věci, ve kterých jsme již dobří, a věci, které chceme dělat více.
Umělá inteligence samozřejmě umožní komukoli začít v novém oboru, který ho zajímá, a umožní mu expandovat do sousedních prostor, což dříve nebylo možné. Vývojář frontendu může vytvářet své vlastní služby, backendový inženýr se může posouvat v zásobníku nahoru a tak dále.
Ale konzistentně největší výnosy od agentů budou přicházet k těm, kteří již mají nějaké existující odborné znalosti v této konkrétní oblasti.
Zejména pro dlouhodobě pracující agenty, kteří mohou odejít a udělat spoustu práce na pozadí, se vrátí s finálním pracovním produktem, který je třeba zkontrolovat a začlenit do velkého systému.
Odborníci budou mít výhodu v tom, že budou vědět, co fungovalo, co ne, co opravit, jak přimět agenta ke zlepšení toho, co je třeba opravit a tak dále.
Postupem času se to zlepší a bude snadněji využitelné pro začínajícího uživatele, ale odborníci budou opět schopni dále využívat ještě novější možnosti.
Není zřejmé, že to v blízké nebo střednědobé perspektivě zmizí, takže neztrácejte své dovednosti.
Před 8 h
Umělá inteligence odbornost nevymaže, ale zhorší.
"Být opravdu dobrý v určitém oboru, a pak je umělá inteligence pouhým turbodmychadlem vašich schopností v tomto oboru."
Historie ukazuje, že vždy jsou to nejprve odborníci, kteří z toho mají prospěch jako první, pak se nástroje rozšíří a z více lidí se stane odborníky. To je opět Jevonův paradox.
@levie @stevesi @martin_casado
7,14K
Každý podnikový proces byl dnes ze své podstaty vytvořen kolem omezení omezených zdrojů. Agenti umělé inteligence se zbavují nedostatku jako překážky.
Vinod Khosla to skvěle vyjádřil – že jsme naše pracovní postupy postavili na myšlence, že musíme přidělovat čas našim nejdražším talentům. Každý proces, a dokonce i software, je navržen tak, aby optimalizoval kolem tohoto časového a energetického omezení.
Nyní si představte, že talenty jsou k dispozici 24 hodin denně, 7 dní v týdnu, na vyžádání a mohou být nasazeny paralelně ve velkém měřítku.
Pokud vytváříte obchodní proces, zjistěte, jak byste jej přepracovali pro svět, kde již nebudete mít tato tradiční úzká místa. A ve výsledku by to asi vypadalo úplně jinak.
28. 9. 22:07
Představa, že budeme automatizovat práci tím, že budeme vytvářet umělé verze sebe sama, abychom dělali přesně ty věci, které jsme dělali dříve, místo abychom přepracovávali naše staré pracovní postupy tak, abychom co nejlépe využili stávající automatizační technologii, má výraznou příchuť "mechanického koně"
158,17K
Důvodem, proč umělá inteligence nezničí pracovní místa tak, jak někteří předpovídají, je to, že se neustále dopouštíme chyby, když si myslíme, že když něco děláme efektivněji, potřebujeme úměrně menší nabídku.
Ukazuje se, že ve značném počtu oborů znamená vyšší úroveň produktivity ve skutečnosti větší poptávku po této službě. To je celá pointa Jevonova paradoxu.
Když náklady na práci klesají, poptávka po ní stoupá. A obvykle je zde mnohem více zadržované poptávky, než si uvědomujeme.
Když umělá inteligence zvýší výstup v těchto oblastech, a tím sníží náklady na jednotku výstupu, poptávka poroste neočekávaným způsobem. To platí ve zdravotnictví, kódu, právních službách, marketingu a spoustě dalších oblastí.
25. 9. 22:29
"Umělá inteligence nenahrazuje radiology" dobrý článek
Očekávání: rychlý pokrok v umělé inteligenci pro rozpoznávání obrazu zruší pracovní místa v radiologii (např. jak nyní téměř před deseti lety slavně předpověděl Geoff Hinton). Realita: radiologii se daří skvěle a roste.
Existuje mnoho imo naivních předpovědí o bezprostředním dopadu umělé inteligence na trh práce. Např. před ~rokem se mě zeptal někdo, kdo by měl vědět lépe, jestli si myslím, že ještě dnes budou nějací softwaroví inženýři. (Spoiler: Myslím, že to zvládneme). Děje se to příliš zeširoka.
Příspěvek se podrobně zabývá tím, proč to není tak jednoduché, na příkladu radiologie:
- Referenční hodnoty nejsou ani zdaleka dostatečně široké, aby odrážely skutečné, reálné scénáře.
- Tato práce je mnohem mnohostrannější než jen rozpoznávání obrazu.
- Realita zavádění: regulace, pojištění a odpovědnost, šíření a institucionální setrvačnost.
- Jevonův paradox: pokud se radiologové zrychlí pomocí umělé inteligence jako nástroje, objeví se mnohem větší poptávka.
Řeknu, že radiologie podle mého názoru nepatřila mezi nejlepší příklady, na které se v roce 2016 zaměřit - je příliš mnohostranná, příliš riziková, příliš regulovaná. Když jsem hledal práci, která se díky umělé inteligenci hodně změní v kratších časových úsecích, hledal bych na jiných místech - práce, které vypadají jako opakování jednoho rutinního úkolu, přičemž každý úkol je relativně nezávislý, uzavřený (nevyžaduje příliš mnoho kontextu), krátký (v čase), shovívavý (cena za chybu je nízká) a samozřejmě automatizovatelný s aktuálními (a digitálními) schopnostmi. I tak bych očekával, že umělá inteligence bude zpočátku přijata jako nástroj, kde se úlohy mění a refaktorizují (např. více monitorování nebo dohledu než ruční provádění atd.). Možná příště najdeme lepší a širší sadu příkladů toho, jak se to všechno odehrává v celém odvětví.
Asi před 6 měsíci jsem byl také požádán, abych hlasoval, zda budeme mít za 5 let méně nebo více softwarových inženýrů. Cvičení ponecháno pro čtenáře.
Celý příspěvek (celý The Works in Progress Newsletter je docela dobrý):
244,76K
Top
Hodnocení
Oblíbené