Если земля нужна не только чтобы на картинке увидеть - все равно придется ехать. Наверняка и удаленно могли бы всю работу сделать, если только карта интересует.
Как будто решил сложнейшую задачу, не решаемую другими способами... Топ-менеджер Amazon мог бы приехать в эту деревню, найти в администрации занимающегося землей человека и за цену одного похода в ресторан (условно) его бы возили по этим участками и рассказывали какие хорошие у него были предки. Человеку "снаружи" может и сложно разобраться в записях, но "внутри" есть те, кто их поддерживает и понимает.
ИИ удешевил разработку — и в ответ вырос спрос на нее
А есть какие-то статистические данные возросшего спроса на разработку? Чтобы прямо в корпорациях стали получать запросы и деньги на большее число продуктов или (оплачиваемых) фитч? Ведь экономика не будет сходиться, если к зарплатам того же числа разработчиков добавились расходы на ИИ, но выручка не возрасла.
Даже если ИИ компании просто утащили себе часть пирога (выручки) - возросший объем разработки еще нужно доказать. И не на уровне веб-дизайнера, быстро клепающего одностраничные сайты с помощью ИИ, а в масшабах всей отрасли. А вывод "делаете больше за те же деньги, но дополнительно оплачиваете ИИ" отрасли явно не понравится.
Зависимость от ценообразования, диктуемого владельцем ИИ, никуда не делась. Легко доработать модель, чтобы и эти упрощенные запросы съедали столько же токенов. Может даже внутри модели запрос выполняется быстрее, но ни у кого снаружи нет эталонного счетчика, чтобы сказать, что реально утекло меньше токенов/энергии/ресурсов системы.
Это разные вещи. Код на С++ достаточно детерминированный. И позволяет точно описать желаемый результат. Есть редкие исключения (от ошибок компилятора до низкоуровневой оптимизации). Но это точно не "спроси то, не зная что", как с подбором промтов без понимания общих принципов. И весьма большим простором для творчества ИИ.
Но и задачи давали учиться, разбираться во всех шагах. Медленно от простого к сложному. Представьте, что за вас все курсовые и другие задания делает умный помощник. Многому научитесь? А в один момент окажется, что помощник не справляется и найти гораздо лучшего нельзя. А вы в 2 прыжка уже университет вроде как закончили и должны результат показывать.
Чтобы задавать правильные вопросы (ставить задачи) нужно понимание проблемы. Угадыванием можно решить простые типичные случаи. В чем-то сложном перебор не сработает.
Прекрасно, будет равновесие на рынке памяти на меньших ценах (чем без заводов) даже если ИИ продолжит потреблять все больше железа. А уж если пузырь лопнет...
Развлекаться на рабочем месте, максимально приблизив деятельность к рабочим задачам. Вариант - задавать ИИ вопросы по текущему проекту, даже если ответы не особенно интересуют
Код ядра - это слишком частный и сложный случай. А вот какой-то модуль или библиотеку выдернуть из общего доступа и вставить в свой закрытый продукт - более реальный вариант. И проще скормить код, а не описывать как он работает или брать устаревшую/краткую документацию. Типичный случай - на сайте описание библиотеки и несколько основных примеров. Дальше смотри в код или ищи кто как уже использовал.
А что делать работодателю, если сотрудник не понравится, а на рынке только его клоны?) Ответственности за результат у работника нет и он может запрашивать все большую плату - клоны работают на один кошелёк и максимизируют общую прибыль.
Готовый код - наиболее точное описание функционала, в отличие от человеческих формулировок. Которые обычно на много более краткие и позволяют разные интерпритации.
код, сгенерованный LLM, также как другие сгенерированные произведения, по решению Верховного суда, нельзя защитить авторским правом. Все эти произведения по определению находятся в общественном достоянии
Какие у этого последствия? ИИ компании со временем могут вытащить все что они сгенерировали и положить в открытый доступ или собрать продукты?
Вообще обученные на открытым коде обычные ИИшки выдают его пользователям в оригинальном виде или измененном. И наверняка логируют что кому выдали - потом могут использовать эти данные по своей инициативе или внешним запросам.
Как игрок, один раз сорвавший джекпот и поэтому считающий себя провидцем. Метавселенная, теперь ИИ...
Если земля нужна не только чтобы на картинке увидеть - все равно придется ехать. Наверняка и удаленно могли бы всю работу сделать, если только карта интересует.
Как будто решил сложнейшую задачу, не решаемую другими способами... Топ-менеджер Amazon мог бы приехать в эту деревню, найти в администрации занимающегося землей человека и за цену одного похода в ресторан (условно) его бы возили по этим участками и рассказывали какие хорошие у него были предки. Человеку "снаружи" может и сложно разобраться в записях, но "внутри" есть те, кто их поддерживает и понимает.
А есть какие-то статистические данные возросшего спроса на разработку? Чтобы прямо в корпорациях стали получать запросы и деньги на большее число продуктов или (оплачиваемых) фитч? Ведь экономика не будет сходиться, если к зарплатам того же числа разработчиков добавились расходы на ИИ, но выручка не возрасла.
Даже если ИИ компании просто утащили себе часть пирога (выручки) - возросший объем разработки еще нужно доказать. И не на уровне веб-дизайнера, быстро клепающего одностраничные сайты с помощью ИИ, а в масшабах всей отрасли. А вывод "делаете больше за те же деньги, но дополнительно оплачиваете ИИ" отрасли явно не понравится.
Зависимость от ценообразования, диктуемого владельцем ИИ, никуда не делась. Легко доработать модель, чтобы и эти упрощенные запросы съедали столько же токенов. Может даже внутри модели запрос выполняется быстрее, но ни у кого снаружи нет эталонного счетчика, чтобы сказать, что реально утекло меньше токенов/энергии/ресурсов системы.
Это разные вещи. Код на С++ достаточно детерминированный. И позволяет точно описать желаемый результат. Есть редкие исключения (от ошибок компилятора до низкоуровневой оптимизации). Но это точно не "спроси то, не зная что", как с подбором промтов без понимания общих принципов. И весьма большим простором для творчества ИИ.
Но и задачи давали учиться, разбираться во всех шагах. Медленно от простого к сложному. Представьте, что за вас все курсовые и другие задания делает умный помощник. Многому научитесь? А в один момент окажется, что помощник не справляется и найти гораздо лучшего нельзя. А вы в 2 прыжка уже университет вроде как закончили и должны результат показывать.
Должна быть ссылка на прекрасный рассказ на эту тему: Александр Лесь «Шпаргалка»
Чтобы задавать правильные вопросы (ставить задачи) нужно понимание проблемы. Угадыванием можно решить простые типичные случаи. В чем-то сложном перебор не сработает.
Прекрасно, будет равновесие на рынке памяти на меньших ценах (чем без заводов) даже если ИИ продолжит потреблять все больше железа. А уж если пузырь лопнет...
Никому, если бы не сказали тратить токены.
Выводы:
Следить за слитыми токенами
Развлекаться на рабочем месте, максимально приблизив деятельность к рабочим задачам. Вариант - задавать ИИ вопросы по текущему проекту, даже если ответы не особенно интересуют
Поэтому и автопилот не известно когда пойдет в массы. Аварии с пострадавшими потребуют судебных разбирательств - не всегда получиться откупиться.
Зицпредседатель Фунт для ИИ агентов. Только он проблемы с законом, но не бизнесом может "прикрыть".
Код ядра - это слишком частный и сложный случай. А вот какой-то модуль или библиотеку выдернуть из общего доступа и вставить в свой закрытый продукт - более реальный вариант. И проще скормить код, а не описывать как он работает или брать устаревшую/краткую документацию. Типичный случай - на сайте описание библиотеки и несколько основных примеров. Дальше смотри в код или ищи кто как уже использовал.
А что делать работодателю, если сотрудник не понравится, а на рынке только его клоны?) Ответственности за результат у работника нет и он может запрашивать все большую плату - клоны работают на один кошелёк и максимизируют общую прибыль.
Готовый код - наиболее точное описание функционала, в отличие от человеческих формулировок. Которые обычно на много более краткие и позволяют разные интерпритации.
Я про то, что ИИ не учится на конкретной задаче как это делает человек. Получает специализированный опыт в проекте.
Какие у этого последствия? ИИ компании со временем могут вытащить все что они сгенерировали и положить в открытый доступ или собрать продукты?
Вообще обученные на открытым коде обычные ИИшки выдают его пользователям в оригинальном виде или измененном. И наверняка логируют что кому выдали - потом могут использовать эти данные по своей инициативе или внешним запросам.
Но разбирать все равно отдельным процессом.