درک ویبرهای هوش مصنوعی: چرا بیشتر تلاشهای هوش مصنوعی قبل از شروع کار شکست می خورند
AI آینده نیست.
این گذشته گذشته است ، سرانجام قابل استفاده است. و اگر هنوز می دانید که چگونه در سال 2025 یک چت بابات بسازید ، زود نیستید. شما در حال حاضر منسوخ هستید.
ما دیگر در سن آزمایش هوش مصنوعی نیستیم. ما در سن اشباع هوش مصنوعی هستیم. هر شرکت بزرگ دارای LLM است. هر نام استارتاپ زمین ، “عوامل خودمختار” را رها می کند. آموزش همه مانند 101 است.
اما تقریباً هیچ کس نمی تواند به شما بگوید که در سیستم متناسب با AI واقع شده است.
بگذارید آن سیستم را روشن کنم. این یک روند نیست. این یک تکامل طبیعی است.
من آن را صدا می کنم: چارچوب AI VIBES.
من از سال 2012 این اتفاق را تماشا کرده ام
در سال 2012 ، استاد من نمودار روی تخته سیاه را ترسیم کرد و گفت:
“هوش مصنوعی افزایش خواهد یافت ، اما قبل از اینکه همه چیز را تغییر دهد ، فلات خواهد شد.”
او درست بود. آن دیوار نامرئی؟ ما مرتباً به آن ضربه می زدیم. برای سالها تا اینکه ما این کار را نکردیم.
در همان سال ، من یک بازی دفاعی برج شبکه عصبی ساختم. مانند یک رایانه شطرنج به آن فکر کنید ، اما برای بازی که برج ها در برابر مهاجمان دفاع می کنند. برجهای من استراتژی های آموخته شده: روی قوی ترین دشمنان تمرکز کنید؟ نزدیکترین آنها را هدف قرار دهید؟ هوش مصنوعی آن را به تنهایی فهمید. هدف من درجه ای نبود. این برای درک یادگیری بود.
سریع به جلو به سال 2025:
کد من ، با کیفیت کافی ، سریع ، غیرمستقیم ، مجوز ، اقتباس و استفاده شده توسط شرکت هایی که به میلیون ها نفر خدمت می کنند استفاده شده است. این همه کثیف نبود ؛ کیفیت آنجا بود که در آن اهمیت داشت. اما وقتی اولویت بندی ارائه ارزش واقعی نسبت به معماری بکر را در اولویت قرار می دهید ، همیشه تجارت وجود دارد.
سرانجام جهان به منحنی من بیش از یک دهه پیش گرفت.
اما بیشتر مردم هنوز هم سوء تفاهم می کنند که چگونه این منحنی در واقع کار می کند.
تغییر 2022 اطلاعاتی نبود ، رابط کاربری بود
سیستم های AI قبل از سال 2022 به خوبی وجود داشتند.
اما chatgpt؟ آن لحظه آیفون بود.
Chatgpt مغز کاملاً جدیدی نبود. این یک مورد قابل استفاده بود. ناگهان ، شما به مدرک علوم کامپیوتر احتیاج ندارید. هیچ راه اندازی پیچیده ای وجود ندارد. سخت افزار خاصی وجود ندارد. فقط یک کادر ساده که در آن سؤالات را تایپ می کنید و پاسخ می دهید.
این تعداد دروغ نمی گویند: سیستم های هوش مصنوعی قبلی مانند GPT-3 بعد از دو سال حدود 1 میلیون کاربر داشتند که فقط توسعه دهندگان می توانستند به آن دسترسی پیدا کنند. هنگامی که افراد عادی بتوانند از آن استفاده کنند ، در 5 روز و 100 میلیون کاربر به 1 میلیون کاربر رسید.
همان فناوری اساسی ، بسته بندی کاملاً متفاوت.
Openai اطلاعاتی را اختراع نکرد. آنها احساس طبیعی کردند.
پنج لایه هوش مصنوعی: به Vibes خوش آمدید
Vibes فقط یک چارچوب نیست. این مانند یک زنجیره غذایی برای فناوری است که در آن هر موجود به موجودات زیر آن بستگی دارد. هر لایه قبل از آن بر روی یکی ساخته می شود. هر کدام خواستار احترام و درک هستند.
بدون تراز بین لایه ها ، تلاش شما هدر می رود. اهداف شما ناسازگار است.
کل اکوسیستم هوش مصنوعی را می توان به پنج لرزش تقسیم کرد.
V – چشم اندازها
رویای دانشمندان افرادی که سوالات بزرگی می پرسند.
آنها پاسخ می دهند: “آیا اطلاعات حتی در دستگاه ها امکان پذیر است؟”
آنها ایده های اصلی را می سازند ، مبانی ریاضی که باعث می شود هوش مصنوعی کار کنند. آنها را به عنوان فیزیکدانانی که نیروهای جدیدی از طبیعت را کشف می کنند ، فکر کنید.
آنها مقالات دانشگاهی را منتشر می کنند ، آزمایشات را اجرا می کنند و بحث می کنند که اطلاعات حتی به چه معنی است. در سال 2017 ، آنها دستیابی به موفقیت به نام “ترانسفورماتور” ایجاد کردند که همه چیز را در مورد چگونگی پردازش زبان AI تغییر داد.
آنها اهمیتی نمی دهند که برنامه شما به سرعت بارگیری شود. آنها به این اهمیت می دهند که آیا ماشین ها واقعاً می توانند درک کنند.
آنها قوانین را کشف می کنند ، مانند اینکه مدل های هوش مصنوعی بزرگتر از راه های قابل پیش بینی باهوش تر می شوند ، شبیه به این که ما دقیقاً می دانیم که یک پل چقدر قوی تر می شود وقتی فولاد بیشتری اضافه می کنیم.
رابطه با لایه بعدی: چشم اندازها طرح هایی را ایجاد می کنند که مجتمع ها باید بسازند. بدون این طرح ها ، هیچ چیز برای ساخت وجود ندارد. بدون سازندگان ، طرح ها فقط گرد و غبار را جمع می کنند.
آنها کیستند:
جفری هینتون. یوشوا بنگیو. تیم های تحقیقاتی در DeepMind ، تحقیقات متا AI ، تحقیقات Openai.
من – یکپارچه سازان
سازندگان پل. سازندگان سخت افزار افرادی که هوش مصنوعی را از نظر جسمی امکان پذیر می کنند.
آنها پاسخ می دهند: “چگونه می توانیم این تئوری ها را در دنیای واقعی کار کنیم؟”
آنها مقالات دانشگاهی را به ماشین آلات واقعی تبدیل می کنند. بدون آنها ، ایده های درخشان در دانشگاه ها به دام می افتند.
مجتمع ها تراشه ها ، سیستم های خنک کننده ، مراکز داده را می سازند. آنها رایانه ها را به اندازه کافی سریع می کنند تا AI را اجرا کنند.
مانند این فکر کنید: یک مدل هوش مصنوعی مانند یک آسمان خراش فکر است. یکپارچه سازها تجهیزات فولادی ، بتونی و ساخت و ساز مورد نیاز برای احداث آن را می سازند. تراشه های تخصصی Nvidia هزاران بار برای هوش مصنوعی سریعتر از رایانه های معمولی است ، مانند مقایسه موتور جت با دوچرخه.
اینها موارد لوکس نیستند. آنها ضروری هستند. بدون آنها ، حتی طرح های هوشمند هوش مصنوعی ده ها سال طول می کشد.
رابطه با لایه قبلی: یکپارچه سازان معادلات Visionaries را می گیرند و آنها را به ماشین های واقعی تبدیل می کنند.
رابطه با لایه بعدی: مجتمع ها قدرت خام را فراهم می کنند که سازندگان برای ایجاد سیستم های واقعی هوش مصنوعی مهار می شوند. بدون این زیرساخت ، هوش مصنوعی نظری باقی می ماند.
آنها کیستند:
NVIDIA ، AWS ، Google Cloud ، Microsoft Azure ، شرکت های تخصصی مانند CoreWeave و Cerebras.
ب – سازندگان
صنعتگران مربیان کسانی که سیستم های AI را بالا می برند.
آنها پاسخ می دهند: “چگونه این هوش خام را شکل می دهیم تا مفید باشد؟”
آنها علم و سخت افزار را می گیرند و آنها را برای ایجاد سیستم های هوش مصنوعی ترکیب می کنند که می توانند زبان را درک کنند ، تصاویر را بشناسند یا تصمیم بگیرند.
به عنوان مربیان AI از سازندگان فکر کنید. آنها سیستم های AI را تریلیون نمونه ها تغذیه می کنند. آنها وقتی اشتباه می کنند ، آنها را اصلاح می کنند. آنها هوش خام را با هدف به چیزی شکل می دهند.
آنها تجارت دقیق را انجام می دهند: یک مطالعه جدید نشان داد که دو برابر شدن اندازه هوش مصنوعی پیشرفت های قابل پیش بینی را می بخشد ، اما دو برابر شدن داده های آموزشی آن سود کمتری را ارائه می دهد ، مانند اینکه خواندن 100 کتاب شما را باهوش تر از خواندن 50 می کند ، اما خواندن 1000 شما را 10 برابر هوشمندتر نمی کند.
آنها بیشتر از عناوین به ثبات و قابلیت اطمینان اهمیت می دهند. آنها کشف کرده اند که جزئیات فنی به ظاهر کوچک می تواند تفاوت بین هوش مصنوعی مفید و موردی که مزخرف است ایجاد کند.
رابطه با لایه قبلی: سازندگان به ماشین های قدرتمندی که یکپارچه سازان ایجاد می کنند نیاز دارند. هیچ کس نمی تواند یک هوش مصنوعی مدرن را روی لپ تاپ آموزش دهد.
رابطه با لایه بعدی: سازندگان سیستم های هوشمندانه ای را ایجاد می کنند که بسته بندی می کند تا محصولات را در واقع از آنها استفاده می کنند. بدون مدل های AI آموزش دیده ، هیچ چیز برای کاربران وجود ندارد.
آنها کیستند:
Openai (سازندگان GPT) ، Anthropic (سازندگان کلود) ، Google (Gemini) ، متا (Llama) ، شرکت های کوچکتر مانند Cohere و Mistral.
ه – مشارکت کنندگان
افراد محصول طراحان کسانی که آنچه را که واقعاً لمس می کنید می سازند.
آنها پاسخ می دهند: “چگونه این هوش را برای افراد واقعی آسان و مفید می کنیم؟”
آنها به همین دلیل است که مادربزرگ شما می تواند بدون دانستن الگوریتم از هوش مصنوعی استفاده کند.
آنها اطلاعاتی را ایجاد نمی کنند. آنها تجربه اطراف آن را ایجاد می کنند.
سرعت وسواس آنهاست. آنها می دانند که یک پاسخ هوش مصنوعی که 30 ثانیه طول می کشد احساس شکسته می شود ، در حالی که پاسخ در یک ثانیه احساس جادویی می کند ، درست مثل یک وب سایت آهسته توجه شما را از دست می دهد.
آنها از یک قانون ساده پیروی می کنند: بهترین فناوری همان چیزی است که شما متوجه آن نمی شوید. مانند بررسی خودکار طلسم یا متن پیش بینی کننده ، بهترین هوش مصنوعی احساس می کند که ذهن شما را می خواند ، نه شما را وادار به یادگیری زبان آن نمی کند. هدف فقط خودکار سازی کارها نیست بلکه به زمان بازگشت و انرژی شناختی برای کاربر. بهترین هوش مصنوعی نامرئی است ؛ دومین مورد استفاده آسان است. همه چیز دیگر فقط نشان می دهد.
مورد در نکته: حتی خواهرزاده 7 ساله من از ژنراتور تصویر چتگ و Capcut استفاده می کند بدون اینکه سرنخی داشته باشد “مهندسی سریع” چیست. او فقط آنچه را که می خواهد به زبان ساده می خواهد و نتیجه می گیرد. بدون دوره ، بدون آموزش ، مهارت خاصی. این همان چیزی است که مشارکت کنندگان بزرگ می سازند: هوش مصنوعی کودک می تواند از آن استفاده کند.
رابطه با لایه قبلی: Engagers سیستم های قدرتمند اما پیچیده ای را که سازندگان ایجاد می کنند ، می گیرند و آنها را برای همه به اندازه کافی ساده می کنند.
رابطه با لایه بعدی: درگیر کنندگان پل بین توانایی فنی و آنچه افراد عادی به آن احتیاج دارند ، ایجاد می کنند. بدون طراحی خوب ، حتی هوشمندترین هوش مصنوعی نیز غیرقابل استفاده است.
آنها کیستند:
تیم های پشت Chatgpt ، رابط کلود ، استودیوی جمینی ، ابزارهایی مانند مکان نما ، Replit AI ، مفهوم AI ، Github Copilot ، Microsoft 365 Copilot.
S – جامعه
شما من همه
آنها پاسخ می دهند: “آیا این واقعاً زندگی ما را بهبود می بخشد؟”
ما توضیحات فنی نمی خواهیم. ما برای مشکلات خود راه حل می خواهیم.
جامعه اهمیتی نمی دهد که الگوریتم چقدر باهوش است. ما اهمیت می دهیم وقت ما را برمی گرداند، پول ، یا به ما کمک می کند تا کار جدیدی انجام دهیم. AI فقط در وقت صرفه جویی نمی کند. این درد را پیش می برد. این پیش بینی آب و هوا به شما امکان می دهد چتر را بیاورید ، GPS قبل از ترافیک شما را مجدداً تغییر می دهد ، و به طور خودکار فکر خود را تمام می کند. این تنها چیزی را که نمی توانیم از آن بیشتر کنیم ، به ما باز می گرداند.
تأثیر واقعی است: انتظار می رود مشاغل تا سال 2025 644 میلیارد دلار برای هوش مصنوعی تولیدی هزینه کنند و هر سال بیش از 76 ٪ رشد کنند. مردم با کیف پول خود رای می دهند.
اما هزینه ها نیز مهم است. آموزش یک مدل بزرگ هوش مصنوعی می تواند به همان اندازه از برق استفاده کند که صدها خانه در یک سال از آن استفاده می کنند. جامعه به ابزارهایی نیاز دارد که بدون ایجاد مشکلات جدید به آنها کمک کند.
رابطه با لایه قبلی: جامعه از آنچه مشروبات الکلی می سازند ، استفاده می کند ، و نه با تأثیر فنی بلکه با ارزش عملی و زمان برگشتی قضاوت می کند.
رابطه با چرخه کامل: نیازهای جامعه و بازخورد به بینندگان باز می گردد ، که متوجه می شوند چه چیزی کار می کند ، چه چیزی شکست خورده است و چه مشکلات جدید نیاز به حل کردن ، شروع مجدد چرخه نوآوری دارد.
آنچه ما به آن اهمیت می دهیم:
“آیا این به من کمک می کند بهتر بنویسم؟ سریعتر فکر کنید؟ چیزی را حل کنید؟”
لایه خود را بشناسید ، یا فقط در اثر ضربه حدس می زنید
شما به پیشرفته ترین الگوریتم در جهان احتیاج ندارید ، به خصوص اگر فقط در یک مقاله تحقیقاتی وجود داشته باشد.
و شما نیازی به کد کامل ندارید. برخی از محبوب ترین محصولات هوش مصنوعی امروزه همراه با معادل دیجیتال نوار مجرای و امید برگزار می شود.
اما این تفاوت است:
تیم های عالی دقیقاً می دانند که گوشه ها را قطع می کنند.
آنها شلخته نبودند. آنها عمدی بودند. آنها لایه خود را درک کردند و ساخته شدند معاملات آگاهانهبشر
این که به همین دلیل کد ناقص است که کشتی ها بی نهایت بهتر از کد کامل هستند که در یک repo قرار می گیرند. من کد تولید را نوشتم که باعث می شود مهندسان نرم افزار حرفه ای در حال خرد شدن باشند. حدس بزنید چه؟ حمل شد کار کرد این به مردم کمک کرد. این بررسی واقعیت عملی است که در AI مورد نیاز است.
رید هافمن (بنیانگذار LinkedIn) بهتر گفت: “اگر از نسخه اول محصول خود خجالت نمی کشید ، خیلی دیر راه اندازی شده اید.”
فیس بوک به دلایلی “انجام شده بهتر از کامل است” را بر روی دیوارهای اداری خود قرار داد.
انتشار چیزی ترسناک است ، اما این تنها راه برای یادگیری آنچه در واقع کار می کند است. شما بهتر است 80 ٪ با کاربران واقعی از 100 ٪ درست و اصلاً کاربران درست باشد.
ساختمان را متوقف کنید تا سایر تکنیک ها را تحت تأثیر قرار دهید. شروع به ساختن برای انسانهای واقعی کنید.
خطر واقعی نوشتن کد ناقص نیست. آن را بدون درک مکان خود در تصویر بزرگتر می نویسد. این کورکورانه و بدون وضوح لایه Vibes شما کار می کند.
وقتی تراشه های رایانه ای سریعتر را طراحی می کنید ، آیا یکپارچه ساز هستید؟
وقتی در حال آموزش مدل های جدید AI هستید ، آیا شما یک سازنده هستید؟
وقتی در حال ایجاد یک ویژگی chatbot هستید ، آیا مطمئن هستید که آنچه را که قبلاً به عنوان یک درگیر وجود دارد ، بازسازی نمی کنید؟
دفعه بعد که رئیس شما از شما می خواهد “AI را به محصول اضافه کنید” ، یک مدیر می خواهد تجزیه و تحلیل مقایسه ای از مدل های AI را بخواهد ، یا یک استارتاپ سعی می کند شما را برای “نقشه راه AGI” خود استخدام کند ، از آنها یک چیز بپرسید:
“ما در کدام لایه از ویبرها کار می کنیم؟”
زیرا این پاسخ همه چیز را تغییر می دهد. این به شما می گوید چه مشکلی را حل کنید. این به شما می گوید که چه معاملات هوشمندانه و چه مواردی بی فایده هستند.
وضوح در لایه شما تفاوت بین مشارکت در هوش مصنوعی و فقط ایجاد سردرگمی است. این خط بین ارتباط و منسوخبشر
Vibe خود را پیدا کنید ، یا بی ربط شوید
شما نمی توانید آینده را با پیروی از روندهای سال گذشته بسازید.
هوش مصنوعی در مورد داشتن یک مدل جالب نیست. این در مورد جای مناسب در مکان مناسب در سیستم است.
همه می خواهند Openai بعدی باشند. اما هیچ کس نمی خواهد بفهمد که در واقع در چارچوب Vibes متعلق هستند. تظاهر به بودن در یک لایه ، شما نیستید که اکثر تلاش های هوش مصنوعی قبل از شروع کار شکست می خورند.
جریان واضح است:
- بینندگان تصور می کنند چه چیزی ممکن است
- مجتمع ها پایه ها را می سازند
- سازندگان سیستم های هوشمند ایجاد می کنند
- درگیر کنندگان این سیستم ها را قابل استفاده می کنند
- جامعه تعیین می کند که واقعاً ارزشمند است
این اکوسیستم حرکت خود را ادامه خواهد داد ، خواه جای خود را در آن درک کنید یا نه.
و شما؟
اگر لایه خود را نمی دانید ، وقت خود را هدر می دهید ، منابع را می سوزانید و در نهایت چیزی بی ربط می سازید.
بنابراین از خود بپرسید:
نقش شما در تکامل هوش مصنوعی چیست؟
لایه شما در چارچوب Vibes چیست؟
و مهمتر از همه ،
آیا شما واقعاً برای آن می سازید؟ یا در حال حاضر منسوخ می شوید؟
منابع
- Nvidia H100: https://www.shi.com/product/45671009/nvidia-h100-gpu-computing-processor
- Google Cloud TPU V5E: https://cloud.google.com/blog/products/compute/how-cloud-tpu-v5e-accelerates-large-scale-ai-inferience
- قطار AWS: https://aws.amazon.com/ai/machine-learning/trainium/
- توجه همه آنچه شما نیاز دارید (کاغذ ترانسفورماتور) است: https://arxiv.org/abs/1706.03762
- قوانین مقیاس گذاری عصبی (مطالعه PNA): https://www.pnas.org/doi/10.1073/pnas.2311878121
- مقاله GPT-3: https://arxiv.org/abs/2005.14165
- بینش تولید مثل RLHF: https://www.marktechpost.com/2024/03/29/this-paper-reveals-insights-from-producing-openais-rlhf-reincrection-from-homan-feedback-work-implementation-scaling-explored-explored/explored–scaling-explored–scaling-explore-
- پیش بینی هزینه های گارتنر Genai: https://venturebeat.com/ai/gartner-forecasts-gen-ai-s-spending-to-hit-644b-in-2025-what-it-means-for-enterprise-it–ition/
