Subiecte populare
#
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.
"În dezvoltarea tradițională de software, ați planifica v1, v2, v3 al noului produs în funcție de profunzimea caracteristicilor sau de nevoile utilizatorului. Cu sistemele AI, lentila se schimbă.
Fiecare versiune este în schimb definită de cât de multă agenție are sistemul și la cât de mult control ești dispus să renunți.
Începeți prin a identifica un set de caracteristici care sunt de control ridicat și agenție scăzută (versiunea 1 din imaginea de mai jos).
Acestea ar trebui să fie mici, testabile și ușor de observat. De acolo, gândiți-vă la modul în care aceste capacități pot evolua în timp prin creșterea treptată a agenției, o versiune la un moment dat. Scopul este de a descompune o stare finală înaltă în comportamente timpurii pe care le puteți evalua, itera și construi în sus.
De exemplu, dacă scopul final este de a automatiza asistența pentru clienți în compania dvs., o modalitate de a începe cu un nivel ridicat de control ar fi să definiți v1 (versiunea 1) ca simpla direcționare a tichetelor către departamentul potrivit, apoi să treceți la v2, unde sistemul sugerează posibile rezoluții și numai în v3 să permiteți rezolvarea automată cu rezervă umană.
Iată încă câteva exemple:
Asistent de marketing
v1: Schiță de e-mail, reclamă sau copie socială din solicitări
v2: Creați campanii în mai mulți pași și rulați-le
v3: lansați, testați A/B și optimizați automat campaniile pe toate canalele
Asistent de codare
v1: Sugerați completări în linie și fragmente standard
v2: Generați blocuri mai mari (cum ar fi teste sau refactori) pentru revizuirea umană
v3: Aplicați modificări cu domeniu și deschideți solicitări de extragere (PR) în mod autonom
Dacă ați urmărit modul în care au evoluat instrumente precum GitHub Copilot sau Cursor, acesta este exact manualul pe care l-au folosit. Majoritatea utilizatorilor văd doar versiunea actuală, dar sistemul de bază a urcat treptat pe această scară. Mai întâi finalizări, apoi blocuri, apoi PR-uri, cu fiecare pas câștigat prin utilizare, feedback și iterație."
Mai multe aici:


20 aug., 00:21
Nu poți construi produse AI ca alte produse.
Produsele AI sunt în mod inerent non-deterministe și trebuie să negociați în mod constant compromisul dintre agenție și control.
Când echipele nu recunosc aceste diferențe, produsele lor se confruntă cu eșecuri neașteptate, sunt blocate în depanarea sistemelor mari și complicate pe care nu le pot urmări, iar încrederea utilizatorilor în produs se erodează în liniște.
După ce au văzut acest model în 50+ implementări AI la companii precum @OpenAI, @Google, @Amazon și @Databricks, Aishwarya Naresh Reganti și Kiriti Badam au dezvoltat o soluție: cadrul de calibrare continuă/dezvoltare continuă (CC/CD).
Numele este o referire la Continuous Integration/Continuous Deployment (CI/CD), dar, spre deosebire de omonimul său, este destinat sistemelor în care comportamentul este non-determinist și trebuie câștigată agenția.
Acest cadru vă arată cum:
- Începeți cu funcții cu control ridicat și agenție scăzută
- Construiți sisteme de evaluare care funcționează cu adevărat
- Scalați produsele AI fără a încălca încrederea utilizatorilor
Este conceput pentru a recunoaște unicitatea sistemelor AI și pentru a vă ajuta să construiți produse AI mai intenționate, stabile și de încredere.
Îl împărtășesc public pentru prima dată:

66,9K
Limită superioară
Clasament
Favorite