Här är en riktigt intressant fråga som jag stötte på. När vi ger en AI-kodningsuppgift som tar 1 dag till 1 vecka att utföra, är det ens värt att jämföra och lära sig av olika tillvägagångssätt? Detta är en grundläggande fråga. Våra val är 1. Använd vibbar för att avgöra hur bra en långvarig uppgift gjorde 2. Jag ägnar ett år åt att jämföra metoder och testa teorier som kan vara inaktuella när jag får ett urval som är värt att överväga Att lära sig hur man bygger dessa långvariga uppgiftsarbetsflöden kommer att ha lite av en allmänning. Investeringen för att lära sig rätt arbetsflöde är mycket högre än att kopiera en produkt som du ser fungera

För att förutsäga vart AI är på väg kan du inte bara använda dina vibbar av hur mycket markören har fått Du måste förstå HUR AI blir bättre och exakt vad den blir bättre på Vi befinner oss just nu i ett skede där vi bara skalar upp systemen. Detta har en känd fysisk gräns som vi kommer att nå under de kommande 5 till 10 åren Vissa saker kan vi se blir mycket bättre när det skalas upp. Andra färdigheter som vi ser inte förbättras Det är verkligen uppenbart att vi behöver ett grundläggande genombrott som vi inte kan förutsäga eller veta om för att i grunden ersätta människor. Det finns vissa saker som AI inte är på väg att uppnå som är nödvändiga för att ta bort en människa från loopen Om vi åker dit pucken är på väg bör den korrekta arkitekturen vara att anta modeller som är bättre än nuvarande modeller på vad de redan är bra på och identifiera hur mycket vi kan skala en mycket kompetent person för att bli mer produktiv genom att ge dem verktyg. Partihandel som ersätter människor NGMI

De smartaste människorna jag känner är otroligt effektiva på att ställa smarta sonderande frågor På det här måttet är varje AI-modell dummare än ett mänskligt barn