Tento cyklus umělé inteligence je někdy úžasný a zároveň velmi frustrující. Zeptal jsem se 250 zakladatelů, co jim na tomto okamžiku v oblasti umělé inteligence nejvíce vadí. Zde je to, co řekli: 1. Příliš mnoho hluku – "Je toho tam příliš mnoho, je obtížné posoudit kvalitu vs. odpad." 2. Přehnané sliby – "Úroveň humbuku ztěžuje pochopení toho, co je skutečně užitečné." 3. Přetížení – "Děje se toho příliš mnoho; je těžké držet krok, je těžké vědět, na co vsadit vs. čekat na další iteraci." 4. AI pro AI – "Potřebujeme AI, která vyhodnotí další nástroje AI pro problém, který se snažíte vyřešit, a řekne vám nejlepší řešení." 5. Univerzální způsob myšlení – "Nesnáším diskusi o umělé inteligenci jako o jedné jediné věci." 6. Rozptýlení, které si sám způsobím – "Nyní mám schopnost dělat MNOHEM více, ale moje pozornost je všude." 7. Rizika pro soukromí a bezpečnost – "Nedávný únik klíčů API a PR dat z ChatGPT odhalil, jak křehký je ekosystém." 8. Podvody a podvody řízené umělou inteligencí – "Nárůst podvodů, vydávání se za někoho jiného a podvodů řízených umělou inteligencí... se bude jen zhoršovat." 9. Ignorování základů – "Všichni se honí za další lesklou věcí, ale nikdo neopravuje základy." 10. Etika vs. rychlost – "Velké laboratoře umělé inteligence hovoří o etice a bezpečnosti, ale závodí v tom, aby vydaly nové modely." 11. AI vertigo – "Příspěvky o 'celých marketingových týmech AI' dávají FOMO, i když jsou vaporware." 12. Mezera mezi ukázkou a realitou – "Mezi vytvořením ukázky a integrací umělé inteligence do podnikání je velká propast." 13. Klam stříbrné kulky – "Mnozí si myslí, že umělá inteligence bude stříbrnou kulkou, ale jejich strategie je postavena na špatných základech." 14. Rychlé tempo změn – "Vzrušující, ale je to jako pít z požární hadice a stavět na písku." 15. Zahlcení nástrojem – "Držet krok s obrovským množstvím různých nástrojů a vyzkoušet je všechny." 16. Povrchní aplikace – "Většina aplikací AI je novinkou a jen zřídka řeší základní problém." 17. Skryté náklady – "Agenti umělé inteligence často vyžadují tolik opakovaných hovorů, že náklady převyšují lidskou práci." 18. Zaostávání ve vzdělávání – "Školy se nepřizpůsobují k nepoznání budoucího trhu práce." 19. Indeterministické výstupy – "LLM jsou nepředvídatelné; Přeprava systémů připravených k výrobě je obtížná." 20. Zanedbávání latence – "Jen málo modelů upřednostňuje nízkou latenci; Většina z nich není připravena na produkci." 21. Podnět ke křivce učení – "Naučit se mluvit s LLM je těžší, než jsem si myslel – někdy je to jako mluvit s teenagerem." 22. Mezera mezi humbukem a realitou – "Marketing je roky napřed před tím, co může technologie spolehlivě poskytnout." 23. Bolesti hlavy kontextového inženýrství – "Kontextové inženýrství je nejdůležitějším a zároveň nejvíce frustrujícím aspektem vývoje dobrých produktů AI." 24. Problémy s kvalitou na poslední míli – "Kódovací umělé inteligence se mohou chovat jako vedoucí inženýr, ale v 10–20 % případů se vymknou z kolejí – s jistotou." 25. Přílišná důvěra v nesprávné odpovědi – "Můj vedoucí recenzent AI náhodně změnil soubor a přidal 'pokud je nepravdivé && ...' něco 'opravit'." 26. Neúplná řešení – "Je to jako stážista: 80 % tam, pak opravíte a optimalizujete." 27. Výkon klesá se složitostí – "Rozpadá se, jak se projekty stávají složitějšími, pokud nejsou stavěny modulárně." 28. Nedostatek talentů v oblasti umělé inteligence na vyšší úrovni – "Je vzácné najít někoho, kdo kombinuje vizionářskou strategii s hlubokými technickými schopnostmi." 29. Nekonzistentní spolehlivost kódu – "Jsme daleko od toho, aby umělá inteligence dělala z juniorů kód jako seniory." 30. Fragmentace nástrojů – "Musíme přelepit příliš mnoho nástrojů AI, abychom získali spolehlivý pracovní postup." 31. Rychlé zastarávání – "Jakmile se usadíme na zásobníku AI, nový model si vynutí přehodnocení." 32. Špatná přesnost specifická pro doménu – "Obecné modely bojují s výklenkovými znalostmi i se spoustou kontextu." 33. Riziko halucinace – "Nemůžete plně důvěřovat výstupům bez lidské kontroly, což zabíjí zvýšení rychlosti." 34. Omezená hloubka uvažování – "Bojuje s vícekrokovým uvažováním, kde každý krok navazuje na ten předchozí." 35. Limity kontextového okna – "Narazíme na limity tokenů a uprostřed úkolu ztratíme důležitý kontext." 36. Drahé experimentování – "Testování nových modelů ve velkém měřítku se rychle prodražuje, zvláště když většina z nich nevyjde." 37. Bolest při integraci – "Přimět nástroje umělé inteligence, aby si dobře hrály s našimi stávajícími systémy, je těžší, než by mělo být." 38. Nekonzistentní stabilita API – "Jeden den API funguje perfektně, druhý den hází náhodné chyby." 39. Mělká personalizace – "AI se přizpůsobuje rysům na povrchové úrovni, ale postrádá hlubší vzorce chování." 40. Pomalé přijetí podnikem – "Přesvědčit větší klienty, aby důvěřovali procesům řízeným umělou inteligencí, je stále těžký boj." 41. Pokušení přílišného spoléhání se – "Pro týmy je snadné zlenivět a slepě důvěřovat výstupům AI." 42. Nejistota v souladu – "Předpisy jsou pohyblivým cílem, který ztěžuje dlouhodobé plánování umělé inteligence." * 43. Příliš mnoho hluku na trhu – "Každý den se objeví nový nástroj, který tvrdí, že vyřeší vše – většina z nich jsou vaporware." 44. Strmé křivky učení – "Nástroje jsou výkonné, ale ne intuitivní – zapojování týmů je dřina." 45. Latence v případech použití v reálném čase – "I malá zpoždění zabíjejí uživatelský zážitek pro interakce poháněné umělou inteligencí."