VLA:t ovat vielä hyvin uusia, ja monien ihmisten on vaikea ymmärtää eroa VLA:n ja LLM:n välillä. Tässä on syväsukellus siihen, miten nämä tekoälyjärjestelmät eroavat toisistaan päättelyssä, aistimisessa ja toiminnassa. Osa 1. Tarkastellaan keskeisiä eroja ja sitä, miten LLM:n ympärille käärityt tekoälyagentit eroavat VLA-malleja käyttävistä operaattoriagenteista: 1. Aisti: Miten he näkevät maailman Agentti (LLM): Käsittelee tekstiä tai strukturoitua dataa, kuten JSONia, API:ita ja joskus kuvia. Se on kuin aivot, jotka työskentelevät puhtaiden, abstraktien syötteiden kanssa. Ajattele käsikirjan lukemista tai laskentataulukon jäsentämistä. Sopii erinomaisesti jäsenneltyihin ympäristöihin, mutta sitä rajoittaa se, mitä siihen syötetään. Operaattori (VLA): Näkee kameroiden raa'at, reaaliaikaiset pikselit sekä anturitiedot (esim. kosketus, sijainti) ja proprioseption (liikkeen itsetietoisuus). Se on kuin navigoisi maailmassa silmin ja aistein ja kukoistaisi dynaamisissa, sotkuisissa ympäristöissä, kuten käyttöliittymässä tai fyysisissä tiloissa. 2. Toimi: Kuinka he ovat vuorovaikutuksessa Agentti: Toimii kutsumalla funktioita, työkaluja tai ohjelmointirajapintoja. Kuvittele se johtajana, joka lähettää tarkkoja ohjeita, kuten "varaa lento Expedia API:n kautta". Se on tarkoituksellista, mutta perustuu valmiisiin työkaluihin ja selkeisiin käyttöliittymiin. Operaattori: Suorittaa jatkuvia, matalan tason toimintoja, kuten hiiren osoittimen liikuttamista, kirjoittamista tai robottinivelten ohjaamista. Se on kuin taitava työntekijä, joka manipuloi suoraan ympäristöä, ihanteellinen reaaliaikaista tarkkuutta vaativiin tehtäviin. 3. Hallinta: Kuinka he tekevät päätöksiä Agentti: Seuraa hidasta, pohdiskelevaa silmukkaa: suunnittele, kutsu työkalua, arvioi tulos, toista. Se on token-sidottu (tekstinkäsittelyn rajoittama) ja verkkoon sidottu (odottaa API-vastauksia). Tämä tekee siitä järjestelmällisen, mutta hitaan reaaliaikaisissa tehtävissä. Käyttäjä: Toimii ja tekee vaiheittaisia päätöksiä tiukassa palautesilmukassa. Ajattele sitä kuin pelaaja, joka reagoi välittömästi siihen, mitä ruudulla on. Tämä nopeus mahdollistaa nesteen vuorovaikutuksen, mutta vaatii vankkaa reaaliaikaista käsittelyä. 4. Opittava data: Mikä ruokkii heidän koulutustaan Agentti: Koulutettu laajoihin tekstikorpuksiin, ohjeisiin, dokumentaatioon tai RAG-tietojoukkoihin (Retrieval-Augmented Generation). Se oppii kirjoista, koodista tai usein kysytyistä kysymyksistä ja on erinomainen päättelyssä jäsennellyn tiedon sijaan. Operaattori: Oppii demonstraatioista (esim. videot ihmisistä suorittamassa tehtäviä), etäkäyttölokeista tai palkitsemissignaaleista. Se on kuin oppimista katsomalla ja harjoittelemalla, täydellinen tehtäviin, joissa selkeät ohjeet ovat niukkoja. 5. Vikatilat: Missä ne rikkoutuvat Agentti: Altis hallusinaatioille (vastausten keksimiselle) tai hauraille pitkän horisontin suunnitelmille, jotka hajoavat, jos yksi askel epäonnistuu. Se on kuin strategi, joka ajattelee liikaa tai tulkitsee tilanteen väärin. Operaattori: Kohtaa kovariaattisen siirtymän (kun harjoitustiedot eivät vastaa todellisia olosuhteita) tai yhdistelmävirheitä ohjauksessa (pienet virheet lumipallo). Se on kuin kuljettaja menettäisi hallinnan tuntemattomalla tiellä. 6. Infra: Teknologia niiden takana Agentti: Käyttää kehotetta/reititintä päättääkseen, mitä työkaluja kutsutaan, työkalurekisteriin käytettävissä oleville funktioille ja muistiin/RAG:iin kontekstin saamiseksi. Se on modulaarinen kokoonpano, kuten komentokeskus, joka orkestroi tehtäviä. Operaattori: Tarvitsee videon käsittelyputkia, toimintopalvelimen reaaliaikaista hallintaa varten, turvasuojan haitallisten toimintojen estämiseksi ja toistopuskurin kokemusten tallentamista varten. Se on tehokas järjestelmä, joka on rakennettu dynaamisiin ympäristöihin. 7. Missä kukin loistaa: Heidän makeat paikkansa Agentti: Hallitsee työnkulkuja, joissa on puhtaat sovellusliittymät (esim. liiketoimintaprosessien automatisointi), asiakirjojen päättely (esim. raporttien yhteenveto) tai koodin luominen. Se on sinun valintasi jäsenneltyihin, korkean tason tehtäviin. Operaattori: Toimii erinomaisesti sotkuisissa, API-rajattomissa ympäristöissä, kuten kömpelöissä käyttöliittymissä navigoinnissa, robottien ohjaamisessa tai pelimäisten tehtävien suorittamisessa. Jos siihen liittyy reaaliaikaista vuorovaikutusta arvaamattomien järjestelmien kanssa, VLA on kuningas. 8. Henkinen malli: Suunnittelija + tekijä Ajattele LLM-agenttia suunnittelijana: se jakaa monimutkaiset tehtävät selkeiksi, loogisiksi tavoitteiksi. VLA-operaattori on tekijä, joka toteuttaa nämä tavoitteet suorassa vuorovaikutuksessa pikselien tai fyysisten järjestelmien kanssa. Tarkistaja (toinen järjestelmä tai agentti) seuraa tuloksia onnistumisen varmistamiseksi. $CODEC

Hei kaikki, Tänään julkaisen uudentyyppisen kokeen, jossa käytetään Claude-koodia. Tavoitteena > tehdä kaikkien aikojen paras verkkosivusto. Olen palauttanut verkkosivuston alkuperäiseen tilaansa ja sammuttanut taustajärjestelmämme. Päivitän sivuston CA:lla, sitten kokeilu alkaa. Joka 5. minuutti Claude vierailee sivustolla, tarkastelee sitä, suunnittelee päivityksen, tekee päivityksen, kirjaa ajatuksensa ja työntää Githubiin. Claudella voi kestää 10-15 minuuttia koodata ja testata muutokset. Tämä Git-push-toiminto käynnistää toiminnon, joka ottaa live-sivuston uudelleen käyttöön. Tämä luo rekursiivisen suunnittelusilmukan, jota Clauden mieli hallitsee täysin. On kiehtovaa nähdä, mitä agentti tekee, kun hänelle annetaan tyhjä verkkosivu ja täysi hallinta.

Luulin alun perin, että se oli nostalginen Microsoft-avustaja, mutta huomasin, että jotkut ihmiset LinkedInissäni ovat myös vaihtaneet Clippy-avatarejaan. Alkuperä on Louis Rossmannin, 2.7 miljoonan tilaajan lähettämä video, joka on ylittänyt 1 miljoona katselukertaa YouTubessa yhdessä päivässä, ja tämä aihe resonoi tällä hetkellä nopeasti. Monet ihmiset ajattelevat, että se on vain nostalgiaa, mutta sen takana on syvempi syy. Clippyn missio 90-luvun lopulla ja 2000-luvun alussa oli yksinkertainen – auttaa käyttäjiä saamaan asiat tehtyä. 90-luvun Clippy oli hieman ärsyttävä, mutta sen ainoa tarkoitus oli "auttaa käyttäjiä", mutta se ei varastanut tietojasi, ei rajoittanut sitä, voitko käyttää tiettyä ominaisuutta, eikä kieltäytynyt näyttämästä, koska et maksanut kuukausimaksua. Sen olemassaolo edustaa aikakautta, jolloin "tuotteet kuuluvat käyttäjille". Videolla puhutaan pääasiassa Facebook-skandaalin digitaalisista omistajuuskysymyksistä 1. Facebook seuraa tyttöä, joka poistaa selfiensä, oletettavasti siksi, että hän on masentunut, ja myy kosmetiikkamainoksia. 2. 90-luvulle verrattuna Microsoft sai sakot IE:n sitomisesta käyttöjärjestelmään, mutta nyt yritys tekee huonompia asioita, mutta on turvassa. Ohjelmistosta tulee tilauspohjainen, ja olet vain vuokraaja 1. Yritykset voivat poistaa toimintoja etänä, heikentää suorituskykyä tai jopa romuttaa laitteita suoraan 2. Laki (esim. DMCA 1201) kieltää sinua avaamasta, korjaamasta tai edes opettamasta muita, miten se tehdään, mikä tarkoittaa, että jos yritys tarkoituksella lukitsee toiminnon ja poistaa ohjelmiston, käyttäjä voi rikkoa lakia, vaikka hän pystyisi korjaamaan sen. 3. Tietosi ja sisältösi on lukittu pilveen, ja kaikki hallinta on yrityksen käsissä4. Data ja sisältö on lukittu pilveen, eikä lopullinen hallinta ole koskaan sinun käsissäsi Ei vain hauska tai kunnianosoitus, vaan symboli – muistutus siitä, että teknologian pitäisi palvella käyttäjiä, ei hallita heitä. Tämä on kollektiivinen toiminta, joka vaatii "todellista omistajuutta" ja lempeää protestia vallitsevaa tilannetta vastaan. Kunnes kuluttajilla on jälleen oikeudet. Kunnes omistajuus otetaan vakavasti.

Olemme luomassa virallista X-tiliä Vibe Gamelle: Alusta, jolla voit rakentaa ja tokenisoida pelejä @solana välittömästi vetämällä ja pudottamalla ~5 minuutissa ja ansaitsemalla luojapalkkioita SendShotin kautta. ja $VIBEY hyväksyminen ensimmäiseksi viralliseksi kolikoksi. CA: 3nf8LgahHm57gEUx64cDNJf4h53C2MwqZCK6LGDTsend

5hUL8iHMXcUj9AS7yBErJmmTXyRvbdwwUqbtB2udjups