Актуальні теми
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.

Madhu Guru
Лідер продукту в Google - Gemini
Агентний дизайн вимагає тих же основоположних принципів, що і trad sw design - зниження когнітивного навантаження, зміцнення довіри користувачів, спостережливість - за винятком того, що ці фактори мають набагато більше значення, cos агенти можуть діяти на набагато більшій площі вашого життя і роботи.
Це масивні важелі - як в сторону, так і в мінус - тому дизайн має велике значення.
5,64K
Штучний інтелект прискорює роздуття продукту.
Команди можуть надсилати функції в 10 разів швидше, тому вони це роблять, не питаючи, чи варто це робити.
Результат: продукція Frankenstein з елементами, що кріпляться болтами, без цілісного дизайну, з високим когнітивним навантаженням.
Штучний інтелект дає 80%. Ваше завдання – решта 20%: вирішувати реальні проблеми користувачів за допомогою елегантного дизайну.
Швидкість в надлишку. Ремесел мало.
22,65K
Як розробник продуктів, ваша альфа-версія націлена на блок завдань, який розрахований на 6 місяців для моделей.
Аарон має рацію, саме так ми підійшли до моделей - поступово зростаюча складність завдань.
наприклад, доповнення коду -> блоків коду (генерація, налагодження, оптимізація) -> цілих файлів -> багатофайлових -> агентів -> мультиагентних систем
Аналогічна картина і в інших можливостях моделі.

Aaron Levie4 жовт. 2025 р.
Що цікаво в агентах штучного інтелекту, так це те, що одиниця завдання з часом буде продовжувати збільшуватися в розмірах.
У коді за останні 2 роки ми пройшли шлях від автозаповнення кількох рядків коду за секунду, до написання сотень або тисяч рядків коду за хвилини, до написання десятків тисяч рядків коду за години. Така ж тенденція зараз спостерігається і в більшості інших галузей знань.
За межами космосу дехто може задатися питанням: «Чому штучний інтелект не стає дешевшим або швидшим?». Тим не менш, всі в галузі знають, що тепер ми можемо кинути більше обчислень на проблему, щоб вирішити наступну, складнішу.
Як тільки ми думаємо, що досягли оптимальної точки якості, ціни та швидкості, потенціал використання лише розширюється, оскільки ми отримуємо більше проривів у моделі. Остання проблема, яку ми могли б вирішити, виглядає банально в порівнянні, і ми переходимо до наступного складного завдання.
Така динаміка, вірогідно, продовжуватиметься в осяжному майбутньому, враховуючи, що ми далекі від плато спроможності, тому підрозділи завдань продовжуватимуть зростати і зростати.
186,1K
Найкращі
Рейтинг
Вибране

