Inilunsad ng OpenAI ang mga site ng ChatGPT, nagdudulot ng pagbabago sa tradisyonal na mga tagapagbuo ng SaaS website

Just now, OpenAI evolved again.

Ngayon, opisyal nang bukas ang public beta ng nakakatutok na ChatGPT Sites!

Kahit hindi ka marunong mag-code ng isang linya, maaari mong lumikha ng isang mataas na propesyonal, may komplikadong interaktibong website sa loob ng sampung minuto lamang gamit ang ilang natural language prompts o pag-upload ng isang sketch, tulad ng pagsusulat sa Google Docs.

Maaari mong makumpleto ang frontend development gamit ang natural language lamang, at ang tradisyonal na SaaS industry para sa pagbuo ng website ay nasa gitna ng malaking pagbabago.

At mayroon pa ring bagong balita.

Sa ilalim ng teknikal na bahagi, ipinakita ng GPT-6 ang nakakagulat na cross-modal na kakayahan.

Sa walang audio playback at ganap na walang koneksyon sa internet, makakakilala ang GPT-6 lamang sa isang Mel spectrogram (visual na imahe ng waveform ng tunog) ng tawag ng deep-sea blue whale, at kahit ang tunog ng lightsaber mula sa Star Wars.

Ito ay nagpapakita na ang maraming modalidad na pag-unawa sa AI ay nakalampas na ang mga hadlang sa mga tao.

Hindi na ito nagmumula sa pagpapakopya ng pagtingin at pakikinig ng tao, kundi nabuo ang kakayahang「nagmula sa pag-decode」ng mga data structure ng pisikal na mundo!

Noong isang panahon, ang pagmamay-ari ng isang premium personal na website ay eksklusibo sa mga programmer at propesyonal na designer.

Pagkatapos ay lumitaw ang Dreamweaver, at pagkatapos ay may Wix, Squarespace, at kahit paano ang Tilda, mga SaaS tool para sa paggawa ng website sa pamamagitan ng drag-and-drop.

Ngunit ngayon, ang public beta ng ChatGPT Sites ay diretso nang sinira ang mga hadlang sa pagbuo ng website.

Sinubok ni Jeremy Caplan, ang tagapamahala ng kilalang media sa teknolohiya na Fast Company at Wonder Tools, at sinabi niya: Ang karanasan na dinala ng ChatGPT Sites ay napakasalimuot!

Ngayon, ang paggawa ng isang magandang website ay parang paggawa ng isang Google Doc.

Sa kasalukuyan, ang tampok na ito ay bukas na sa lahat ng mga gumagamit ng ChatGPT Plus, Pro, Business, Enterprise, at Edu.

Paano ito gumagana? Ang proseso ay sobrang simpleng.

1. Ilarawan ang iyong pangarap: Isulat sa ilang pangungusap ang uri ng website na hinahanap mo, ang target na audience.

2. Ibigay ang mga materyales: Kung may mga screenshot ng webpage o mga sketsa na iyong ginawa, i-upload agad.

3. Ibigay ang mga kinakailangang tampok: Gusto mo ba ng button na may link? Embedded na visual effect? O mga kumplikadong interactive element? Sabihin mo na lang agad.

4. Inumin ang kape at maghintay: Batay sa kumplikadong antas, isang buong website ay mabubuo sa loob ng halos 10 hanggang 15 minuto.

Paalala, hindi na ito simpleng «paggamit ng template», kundi totoong Vibe Coding!

Ang mga early tester ay nagawa na ang maraming magagandang proyekto gamit ito.

Una, ang mga pahina na praktikal.

Ginamit ito upang gumawa ng isang perpektong sponsorship page para sa media kit, isang modernong gabay sa mga pangyayari sa San Francisco, at kahit isang modernong online store para sa picnic supplies na sumusuporta sa pag-drag at pag-drop ng mga produkto sa cart.

Bukod dito, gumamit ang artista na si Drue Kataoka nito upang lumikha ng isang artisitikong kasangkapan na tinatawag na GoalFlow.

Pagkatapos pumili ng watawat, makakapag-pinta ang user sa canvas ng fluid simulation gamit ang mga kulay ng watawat, at ang mga pigmento ay magkikislap at magkikidikit nang natural tulad ng mga dye sa tubig.

Ang ganitong frontend page na may komplikadong fluid physics engine, dati ay nangangailangan ng ilang linggo ng pagsisikap ng isang advanced frontend engineer, ngayon ay kailangan lang ng ilang prompt.

Sa huli, mayroon pa mga laro na may physical engine.

Maaari mo pa ring gumawa ng isang laro tulad ng Jenga na tinatawag na Glass Towers, na may makatotohanang physics effect sa ilang pangungusap lamang; o gumawa ng isang arcade game na tinatawag na Paper Glider kung saan kontrol mo ang isang papel na eroplano na lumalampas sa mga bilog.

Mas takot ang kakayahan nito na mag-iterate.

Pagkatapos magbigay ang ChatGPT ng unang draft, maaari mong gamitin ang mga "Tool sa Mga Tala" sa sidebar, tulad ng pagpapakore sa isang takdang-aralin, at mag-drawing ng bilog sa webpage: "Palitan ang kulay ng pindutan na ito," "Palitan ang font dito sa sans-serif," "Palitan ang larawang ito."

Hindi lang ito nakakarinig, kundi maaari rin itong i-modify nang walang pagkakaintindihan.

Malinaw na ang pagbabago sa industriya ay hindi maiiwasan.

Bagaman ang mga early AI website builder (tulad ng Lovable, Bolt) ay mayroon pa ring flexibility, at ang Claude's Artifacts at Claude Design ay nagpapakita ng mahusay na interactive UI, ang tunay na pambobola ng ChatGPT Sites ay ang pagkakasama nito sa napakalaking ecosystem.

Kung nagtatrabaho ka sa isang «ChatGPT Project», ito ay awtomatikong magbabasa ng iyong brand style guide at logo library, at ang nabuo na website ay naturally may brand DNA mo.

Ngayon, ang mga frontend engineer ay nabawasan na sa papel ng “product manager ng prompt”, at ang mga tradisyonal na SaaS na kompanya na patuloy na nakikibase sa “drag-and-drop website building” at nagtataglay ng mataas na monthly fee, kung hindi sila mabilis na magtransform, baka hindi makalabas sa kasalukuyang winter!

Pagbaba ng dimensyon sa app: Buong pag-alis ng “aksyon,” nananatili lang ang “intensyon”

Tandaan ang kasaysayan ng pag-interact ng tao at makina: mula sa command line (CLI) noong panahon ng PC, hanggang sa graphical user interface (GUI) noong panahon ng Windows, at ngayon sa natural language interface (LUI) noong panahon ng malalaking modelo—ito ay isang kasaysayan ng patuloy na pagbaba ng mga hadlang sa paggamit.

Ang kaluluwa ng ChatGPT Sites ay ang pagbaba ng frontend development mula sa «inhinieriya» patungo sa «pagpapahayag».

Noong nakaraan, kailangan mong i-translate ang iyong isip sa maraming antas upang makabuo ng isang website.

Gusto kong magbenta (intensyon) → Kailangan ko ng cart at sistema ng pagbabayad (logika ng produkto) → Kailangan kong isulat ang HTML/CSS/JS (frontend code) → Kailangan kong i-integrate ang database (backend logic)

Ngayon, tinanggal ng ChatGPT Sites ang lahat ng pagkakagulo sa gitna.

Ang input ng user ay napapaliwanag nang buong puso bilang simpleng natural na wika, o ang pinakamula-layong 'intensyon'.

Ang pangunahing hadlang sa tradisyonal na software na SaaS ay “pinapakete namin ang code bilang magagandang pindotan para sa iyo na i-click,” samantalang ang pagbaba ng antas ng malalaking modelo ay: kailangan mo lang magsalita.

Mula ngayon, ang lahat ng pansamantalang kasangkapan na nakatuon sa “paano gawing mas madali para sa mga hindi programmer ang pagsusulat ng code/pagbuo ng website” ay mawawala sa panahon ng “end-to-end” na pagbuo kung saan ang intensyon ay direktang nagpapalabas ng resulta.

At, sa araw na ito, isang set ng pagsubok na ipinahayag ni AI researcher na si ChrisGPT at Max Rubin ay nagdulot ng pagkabigla sa maraming audio engineer at AI practitioners.

Simpleng pagsusulit ito: i-convert ang tunog sa isang larawan, at hayaang basahin ng GPT-6 ang larawan nang direkta.

I-upload ni ChrisGPT ang isang Mel spectrogram sa GPT-6, isang teknik na nagpapakita ng frequency, time, at enerhiya ng tunog bilang isang dalawang-dimensyonal na imahe.

Sa proseso, hindi niya inilabas ang anumang tunay na audio, at ang malaking modelo ay nasa offline na estado.

Ang tanging prompt ay: "Ang tunog na ito ay galing sa isang hayop/mamalisa sa kalikasan."

Sagot ng GPT-6: "Ang mga whale, posibleng isang blue whale."

Nakagulat ang buong network.

Dahil hindi lang ito tama, kundi lumampas pa sa ating pag-unawa—ang lohika ng pag-iisip na nasa likod nito, ay lumampas na sa simpleng pagpapareho ng imahe!

Alam ninyo, ang mga tawag ng blue whale ay nasa napakababang frequency.

Ngunit sa kalikasan, ang mga tawag ng leon, tigre, at elepante ay nasa parehong mababang frekwensya ng 40-200 hertz. Hindi maaaring masabing ito ay isang balena batay lamang sa isang grupo ng enerhiya sa paligid ng 50 hertz sa isang spektrogram.

Paano nagawa ng GPT-6? Ayon sa pagsusuri ng audio engineer, nakakatanggap nang maingat ang GPT-6 sa mga katangian ng anyo na nagpapatuloy sa panahon.

Hindi ito tungkol sa pagmamasid sa isang punto, kundi sa pag-unawa kung paano nagpapalipas at nagkakasawian ang mga sound wave sa espasyong pisikal na ito.

Sa napakakaunting konteksto, ang kakayahan na direktang i-guess ang klase ng hayop mula sa isang larawan ng “tunog” nang walang pagtuturo ay napakaganda.

Mas nakakaimpress ang demo ni Max Rubin, ang isa pang tester.

Sinubok niya ang mga di-naturlang epekto ng tunog, at ang mga resulta ay ipinakita na kay Astra ay maaaring direktang kilalanin ang tunog ng paghahagis ng light saber mula sa Star Wars sa pamamagitan ng Mel spectrogram, zero-shot!

Max exclaimed, "We haven't even scratched the surface yet."

Bagaman sa larangan ng siyentipikong pananaliksik, ang akademikong komunidad ay nagsimula nang magsubok gamitin ang spectrogram kasama ang visual model para sa pagdetekta ng mga tawag ng mga leviathan, kahit na magtrabaho ng espesyalisadong LLM upang basahin ang mga Mel diagram para sa mga audio task.

Ngunit ito ang unang pagkakataon na ipinatotohanan ang isang pangkalahatang malaking modelo na makakagawa ng ganitong antas ng cross-modal reasoning nang walang anumang espesipikong fine-tuning.

Kasalungat nito, hindi mo tinuruan ang isang tao kung paano basahin ang mga nota, ngunit ibinigay mo na lang sa kanya ang isang buong orkestrang partitura.

Bilang resulta, hindi lang siya nakakarinig ng mga tunog sa kanyang isipan, kundi maaari rin niyang sabihin nang tama kung may mali sa isang nota ng trombone sa ikalawang bahagi.

Ang malalaking modelo ay naglalayong malaya sa mga pagtatakda ng biyolohiya ng tao

Ang pagkakaintindi ng tao sa mundo ay may malalaking limitasyon.

Kailangan nating mag-iba sa pagkakabagabag ng hangin sa tympanic membrane upang ma-convert ng utak ang mga pisikal na pagmamalabis sa mga elektrikal na signal na “tunog”. Sa pang-ilalim na isip ng tao, ang tunog ay “dinidinig” sa pamamagitan ng tenga, at ang imahe ay “tinatayuan” sa pamamagitan ng mata. Ito ay ang “mga hadlang sa pandama” na itinakda sa atin ng evolusyon sa loob ng milyon-milyong taon.

Ang mga unang multi-modal na AI ay talagang "nagpapakita" ng pagkatao. Binibigyan namin ito ng mga audio file, ipinapakita namin sa iyo ang mga larawan, at sinusubukan nating gawin itong maunawaan tulad ng tao.

Ngunit ang kahalagahan ng pagkilala sa spectrogram ng GPT-6 Astra ay: ang malalaking modelo ay naglalayong lumabas sa pagkakabukod ng mga organo ng tao!

Para sa GPT-6, ang isang mahabang pag-iiyak ng isang balyena sa malalim na dagat at ang pagkakabuksan ng isang lightsaber habang sinisigaw ng isang Jedi ay walang anumang pagkakaiba sa esensya—parehong mga anyo ng pagkilos ng enerhiya sa pisikal na mundo.

Kapag ang pagkakaiba-iba na ito ay isinapuso sa isang matematikal at heometrikong pagpapahayag tulad ng Mel spectrogram, maaaring direktang “basahin” ng GPT-6 ang mga pisikal na patakaran.

Hindi ito kailangan ng mahabang tenga, hindi ito kailangan na ‘makinig’ sa tunog, maaari nito diretso na ‘makita’ ang pisikal na pormula ng tunog.

Ibig sabihin nito, ang maramihang pag-unawa ng AI ay naging mula sa “pagsasalin ng mga pandama ng tao” patungo sa “nabubuhay na pag-decode ng mga data structure ng pisikal na mundo”.

Ngayon ay makakakita ito ng spectrum upang makilala ang blue whale; bukas, kung ipapakita sa ito ang imahe ng seismic waves, kaya ba nito na makapaghula nang direkta ang susunod na pagbagsak ng fault? Kung ipapakita sa ito ang imahe ng EEG, kaya ba nito na basahin nang direkta kung ano ang isip mo?

Ang tao ay nakakaramdam ng projection ng uniberso sa pamamagitan ng katawan, at ngayon, ang AI ay direktang bumabasa sa source code ng uniberso.

Mga sanggunian:

https://x.com/ChrisGPT/status/2097047569520115800

https://x.com/maxxrubin_/status/2096892510241268094

https://www.fastcompany.com/91602695/chatgpt-sites-makes-building-a-website-feel-like-making-a-google-doc

Ang artikulong ito ay galing sa WeChat public account na “Xinzhiyuan,” may-akda: ASI Revelation, editor: Aeneas David