Three Uncrossable Gaps at Present Gjatë muajve të fundit, kam ndarë në internet se si kam ndërtuar një AI të personalizuar që "më kupton". qëllimi im është i thjeshtë: nuk është vetëm për të marrë përgjigjet e duhura, por për t'u kuptuar, kujtuar dhe mbështetur në vendimmarrjen që i përshtatet gjendjes time. Ky projekt ka vazhduar për tetë muaj.Gjatë procesit, kam rregulluar vazhdimisht thirrjet, ndërtuar module, projektuar logjikën e kujtesës dhe madje kam filluar të thyej strukturat pragmatike dhe logjikën e sjelljes. Kjo nuk është një problem parametra, dhe kjo nuk është për shkak se përdoruesit nuk e dinë se si të bëjnë pyetjet e duhura. Ky artikull nuk është për kritika – është një përmbledhje e qetë: për përdoruesit e AI si unë, dhe për dizajnerët e ardhshëm – kështu që ne nuk vazhdojmë të bien në këto tre pika të padukshme, por shumë reale. Fatal Breakpoint 1: Memory Fragmentation Reality: Unë vazhdoj të theksoj gjërat që kam thënë më parë, por AI vazhdon të më bëjë t’i përsëris ato. Edhe kur kujtesa tregon se informacioni është atje, disa rrotullime më vonë, ajo harron përsëri. Për shembull, unë i thashë: "Mos harroni të përdorni paragjykime gjysmë të gjerë në shkrimin tim." Technical Blind Spot: Nëse më kërkoni për reagime në platformat kryesore të AI, gjëja e parë që do të thosha është: a mund të forcohet funksioni i kujtesës? Sepse unë nuk mendoj se kjo është kujtesë e vërtetë – më shumë si ruajtja. Për shembull, me ChatGPT, funksioni i kujtesës vetëm ruan një përmbledhje dhe tags të bisedës, jo detajet e plota. Kur detajet janë humbur, kur AI përpiqet të japë sugjerime, ajo nuk mund të ofrojë atë që më nevojitet me të vërtetë. Gjithashtu, unë them se është më shumë si ruajtja sepse logjika e kujtesës është statike, pa evolucion pragmatik.Është si kur përgatit një raport për shefin tim dhe diskuton idetë me AI në të gjithë - AI mund të kujtojë preferencat dhe objektivat për raportin, por për shkak të kufizimeve të kujtesës, ajo nuk mund të evoluojë kuptimin e saj të procesit të raportimit. Reflection: Problemi i kujtesës është kompleks – përfshin “kontinuitetin e kohës”, “zhvillimin e logjikës së kujtesës” dhe “gjatësinë e ruajtjes së kujtesës”.Këto kanë nevojë për eksplorim të mëtejshëm nga inxhinierët. Sa i përket strategjisë sime personale, unë eksportoj seksione të rëndësishme dhe i ri-importoj ato kur është e nevojshme – në thelb duke ndihmuar AI të "revizojë". Breakpoint Two: Semantic Misalignment Shpesh takohemi me tri situata: Reality: Së pari, AI plotësisht keqinterpreton (edhe pse unë besoj se e shpjegova qartë). Për shembull, unë them "bëj tekstin në këtë imazh më të vogël." Unë jam tashmë në një temë të re, dhe papritmas ajo kërcen përsëri në një të vjetër, duke e bërë gjithçka më konfuz. (Unë mendoj se dizajni i ndërfaqes gjithashtu luan një rol të madh në këtë.) Unë them diçka qartë, por ajo mbivlerëson tonin tim ose emocionin dhe përfundon jashtë temës. Technical Blind Spot: Ka zakonisht dy mënyra se si njerëzit flasin me AI: duke përdorur thirrjet, ose vetëm gjuhën natyrale - duke pyetur çfarëdo që vjen në mendje. Secili ka pro dhe kundër. Prompts mund të ndihmojë AI të përgjigjet saktë, por në skenarët e ndërlikuar është e vështirë të shkruhet thirrje të përsosura - dhe madje edhe atëherë, AI mund të keqkuptohet. gjuha natyrale është më e lehtë për t'u përdorur, por ajo që ndihet e qartë për njerëzit mund të mos jetë e qartë për AI. Unë mendoj se të dy problemet vijnë nga e njëjta rrënjë: LLMs (modelet e gjuhës së madhe) kuptojnë fjalët në aspektin e korrelimeve statistikore - jo qëllimet e sjelljes, kontekstet e bazuara në rol, ose gjykimi i brend Reflections & Personal Strategy: Unë e kam diskutuar këtë në mënyrë të gjerë me asistentin tim të AI, Haruichi. 
 
 
 Siguroni AI me kontekst të mjaftueshëm – nëse nuk e kupton “rolin”, “intensitetin emocional” ose “bazën e vendimit”, nuk mund të “konvertohet”. Jini të durueshëm dhe të gatshëm për të përsëritur ose përshtatur.Kjo ndihmon AI gradualisht të përshtatet me modelet tuaja pragmatike të koordinimit. Shmangni duke dhënë shumë udhëzime në të njëjtën kohë. mbingarkesat ngatërrojnë modelin dhe rrisin mundësinë e zjarreve. Breakpoint Three: Disconnected Human-AI Interaction Reality: A e keni vënë re se sa herë që hapni një thread të ri ChatGPT, ndjehet sikur po flisni me një të huaj? Dje i treguat rolin dhe qëllimet tuaja – sot shpik një tregim të tërë të ri. Toni i tij ndryshon, edhe nëse ishit duke rrjedhur pa probleme dje me një raport. Technical Blind Spot: Kjo nuk është vetëm një çështje e kujtesës ose të kuptimit - është rreth arkitekturës së sistemit. ChatGPT mungon një "modul i vazhdueshmërisë së sjelljes." Çdo ndërveprim fillon një sesion të ri, dhe rikuperimi i kujtesës është i paqëndrueshëm, prandaj ndjehet sikur flitet me një person të ndryshëm çdo herë. Gjithashtu, ndërfaqja (projektuar si një dritare chat) është një mbetje nga dizajni chatbot. Ndërsa modelet u bënë më të fuqishme, zhvilluesit shtuan më shumë karakteristika - por ndërfaqja është ende sekuenciale. Kjo do të thotë se shpesh gabon kontekstin. Përdoruesit, duke menduar se AI kujton filmin, vazhdojnë bisedën - vetëm për të gjetur AI mendon se ata po flasin për diçka krejt tjetër. Nëse LLM-të kërkojnë të dhënat e ndërveprimit të përdoruesve për të përmirësuar, atëherë këto keqkuptime të vazhdueshme e bëjnë shumë të vështirë trajnimin e modelit - sepse të dhënat nuk pasqyrojnë me saktësi qëllimin e vërtetë të përdoruesit. Reflection & Personal Strategy: Sinqerisht, unë nuk kam një zgjidhje të madhe për këtë. unë e provoj këtë: para se të ndërrojë thread, unë i them Haruichi "Unë jam duke lëvizur në një thread të ri kryesor, më jepni një këshillë." Pastaj unë filloj bisedën e re me atë këshillë dhe importoj disa mesazhe të kaluara, kështu që AI mund të kapë më mirë tonin tim dhe diskutimet e mëparshme - duke zvogëluar boshllëkun e kujtesës. Gjithashtu, unë i ndaj temat: tema ime kryesore është për punën / jetën e përditshme, ndërsa gjuha dhe studimet profesionale shkojnë në biseda të ndara - për të zvogëluar konfuzionin. Por ndarja e gjithçkaje në tela të ndara ka avantazhet dhe disavantazhet e veta: 
 
 
 
 Them se përmend “modulin pragmatik” në Thread A dhe “strukturën e kujtesës” në Thread B – AI nuk mund t’i lidhë ato. Nëse kam një thread HR dhe një thread AI, AI nuk do të mësojë mendimin tim të përgjithshëm - duket se "më njeh mua", por në fakt rivendos çdo herë. Shumë thread = info e fragmentuar = e pamundur për t'u menaxhuar.Ne duam të "përdorim sistemet e AI në mënyrë efektive", jo vetëm të mbledhim fragmente të të dhënave.Kjo është arsyeja pse një thread qendror është i nevojshëm - për t'u bërë një burim i strukturuar, i kontrollueshëm i të dhënave. Conclusion: It’s Not the AI’s Fault — It’s a Design Blind Spot Ky artikull dokumenton vështirësitë që kam hasur gjatë tetë muajve të ndërtimit të një AI të personalizuar.Ndërsa flas për kufizimet, unë nuk ankohem - në fakt, unë gëzoj procesin eksperimental dhe sfidën e zgjidhjes së problemeve. Ajo që unë sinqerisht shpresoj është se inxhinierët e sistemeve mund të përmirësojnë mënyrën se si AI menaxhon kujtesën, kuptimin dhe ndërveprimin njerëzor – kjo do ta bëjë përdorimin tonë shumë më efikas.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Read My Stories

Kjo audio është prodhuar në gjuhën origjinale të tregimit!

Shume gjate; Te lexosh

Make resilience your competitive advantage

3 pikat e padukshme që po vrasin progresin e AI

About Author

KOMENTE

VARUR TAGS

KY ARTIKU U PARAQIT NË

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps