मैंने इस लेख को पढ़ना पूरा कर लिया है और इसने मेरे विचार को शांति से AI को प्रशिक्षित करने के बारे में पूरी तरह से पुनर्व्यवस्थित कर दिया है। इसका मुख्य बिंदु यह है कि कोई वास्तव में अंतिम उत्पाद से अच्छा नहीं बनता; बल्कि आप उस संशोधन से अच्छे बनते हैं, जहां कोई अनुभवी व्यक्ति आपको दिखाता है कि क्या गलत था और क्यों। संपादन ही पाठ है, साफ़ अंतिम मसौदा नहीं... और यही वही है जिससे AI को कोड में अच्छा होना सीखने के लिए मदद मिली। इसने कभी अंतिम कोड से सीखा नहीं, इसने diffs से सीखा। हर ठीक किया गया, हर पुनर्लिखित, हर "नहीं, इस तरह करो" — जो git ने सालों में सहेजा हुआ। लेकिन हर जगह, हम इस हिस्से को फेंक देते हैं। प्रस्तुति प्रसारित हो जाती है, स्मृति फाइल में संग्रहित हो जाती है, अनुबंध पर हस्ताक्षर हो जाते हैं, और इसका प्रतिफलन करने वाला सोचना समाप्त हो जाता है। एक दस्तावेज़, निर्णय का परिणाम है, लेकिन निर्णय को हटा दिया गया है। > इसीलिए "अपना ज्ञान संग्रहित करें" — पुराने दस्तावेज़ों की खोज करके — कभी काम नहीं किया। हर कंपनी ने एक प्रणाली बनाई — उसके पास क्या है। किसी ने प्रणाली नहीं बनाई — कि वह क्या सचमुच अच्छा मानता है। और निर्णय प्रकट होता है, कथन नहीं... साक्षात्कार झूठ बोलते हैं, संपादन नहीं। > "अप्रशिक्षणीय / निजी सहीता" के बहस में यही हिस्सा सदैव मिस होता है: यह "अप्रशिक्षणीय" नहीं है, बल्कि यह सिर्फ़ उसी स्थान पर मौजूद है, जहाँ हर कोई मिटा देता है। किसी कंपनी से पूछें कि उसकी स्वीकृति दर क्या है — और वह समझ ही नहीं पाएगी... किसी के पास redlines सहेजे हुए नहीं हैं। सॉफ़्टवेयर के पास सिर्फ़ संयोगवश अपने receipts सहेजे हुए हैं। कानून और वित्त में कभी git का निर्माण हुआ ही नहीं। निर्णय diff में है।

एंथ्रोपिक इंजीनियर्स ने केवल एजेंट्स के एक लूप के साथ एक पूरा ऐप शून्य से बना दिया है क्लॉड कोड बनाने वाली टीम से 40 मिनट तीन एजेंट एक चक्र में चल रहे हैं: एक योजना बनाता है, एक बनाता है, एक आकलन करता है, जब तक कि ऐप काम न करने लगे उस डेमो में किसी ने एक ही प्रॉम्प्ट दोबारा नहीं लिखा। उन्होंने एक बार लूप को डिज़ाइन किया और चले गए इसे देखें, फिर नीचे दिए गए पूरे गाइड को पढ़ें कि कैसे एक ऐसा लूप बनाया जाए

मुझे लगा कि मैं AI में देर से पहुँच गया हूँ, लेकिन गहन शोध के बाद, मुझे लगता है कि यह बस शुरुआत है। बेशक, कुछ भी सीधी रेखा में नहीं बढ़ता। उतार-चढ़ाव होंगे। लेकिन इससे अनजान होना और इसे बुलबुला कहना अस्वीकार्य है।

क्या AI न्यायाधीश मानवीय तर्क की तरह गलतियाँ कर सकते हैं? दो पासे फेंकें। कम से कम एक 6 है। बहुत से लोग कहते हैं 1 में 6 सही उत्तर है 1 में 11 एक सरल तर्क का जाल—जो AI मॉडल में भी देखा जाता है। #AI #Ontology #DID #Web3

2 मिनट की साफ़-सफाई से क्लॉड को लग सकता है कि आपने मॉडल अपग्रेड कर दिया है। यह वीडियो किसी गुप्त प्रॉम्प्ट के बारे में नहीं है। यह उन सब चीज़ों को हटाने के बारे में है जो आपने पहले ही क्लॉड को दे दी हैं। पुराने कौशल, मर चुके कनेक्टर, आधे इस्तेमाल किए गए टूल, अज्ञात वर्कस्पेस निर्देश, छोड़े गए प्रयोग। ये सब पृष्ठभूमि में बैठकर संदर्भ को धीरे-धीरे विषैला बना सकते हैं। फिर लोग कहते हैं “क्लॉड खराब हो गया।” शायद। या फिर आपने इसे 47 टैब खुले हुए एक भीड़भाड़ वाला ब्राउज़र बना दिया है और इससे स्पष्टता से सोचने को कहा है। यह महत्वपूर्ण है क्योंकि एजेंट प्रदर्शन केवल मॉडल की गुणवत्ता ही नहीं है। यह संदर्भ स्वच्छता, टूल की अनुशासन और जवाब देने से पहले सिस्टम को कितनी अप्रासंगिक कचरा ढोना पड़ता है, यह सब है। लेख वास्तव में एक ही संचालक सबक के बारे में है: बुद्धिमान AI एक अव्यवस्थित सेटअप को नहीं बचा सकता। मॉडल मजबूत हो सकता है, पर अगर इसके आसपास का माहौल शोर से भरा हो, तो यह कमजोर काम कर सकता है। कभी-कभी समस्या क्लॉड में नहीं होती। यह आपका वह कचरा-ड्रॉअर होता है, जिसे आपने इससे कनेक्ट कर दिया है।

ExpRL के बारे में मुझे जो बात ध्यान आकर्षित करती है, वह है कि यह हमारे वर्तमान AI प्रगति के बारे में सोचने की सीमा को उजागर करता है। अधिकांश बेंचमार्क केवल यह मापते हैं कि मॉडल सही उत्तर तक पहुँचता है या नहीं। वे लगभग कभी यह नहीं मापते कि रास्ते में कितने उपयोगी विचारों को खोजा गया और छोड़ दिया गया। मानव नवाचार अक्सर असफल प्रयासों से आता है। परफेक्ट प्रयासों से नहीं। एक वैज्ञानिक सही परिकल्पना पाने से पहले सैकड़ों गलत परिकल्पनाओं का परीक्षण कर सकता है। लेकिन पारंपरिक RL हर असफल रास्ते को समान रूप से बेकार मानता है। ExpRL सुझाव देता है कि शायद उन असफलताओं के भीतर मूल्यवान जानकारी छिपी हुई है। यह विचार गणितीय बेंचमार्क से परे महत्वपूर्ण लगता है। जैसे-जैसे AI एजेंट क्षमतावान होते जा रहे हैं, विजेता शायद वे मॉडल नहीं होंगे जो सबसे तेज़ी से उत्तर पा लेते हैं। वे मॉडल हो सकते हैं जो गलत होने से सबसे अधिक सीखते हैं। यही कारण है कि सत्यापन महत्वपूर्ण है। बिना मध्यवर्ती तर्क और आउटपुट का विश्वसनीय तरीके से मूल्यांकन करने के, हम प्रोडक्टिव खोज को सिर्फ हॉलुसिनेशन से अलग नहीं कर सकते। AI का भविष्य कम से कम उत्तर प्रदान करने पर निर्भर करेगा। और अधिक से अधिक यह समझने पर कि कौन सी गलतियाँ सीखने के लायक हैं। @ritualnet

AI से बचने के लिए आपको जिस एक ट्वीट की जरूरत है। मैंने हाल ही में बैठकर AI के आगमन काल में बचने के लिए 10 "नियम" लिखे। कोई AI का बर्बर अपशब्द नहीं—बस मेरे वास्तविक विचार। अगर आप नौकरी के बदलाव या AI के किसी भी प्रभाव से चिंतित हैं, तो मुझे आशा है कि आप यह पढ़ेंगे: नियम #1: तेज़ हों AI काल में #1 कौशल उच्च स्वयं-निर्धारित क्षमता है। जानकारी अब कोई मोएट नहीं है। आपका लाभ अब गति है। अपना लक्ष्य ऐसा व्यक्ति बनना रखें जो तुरंत कार्रवाई करता है। नियम #2: एक व्यवसाय बनाएं AI बहुत सारे व्यवसाय के अवसर पैदा कर रहा है। जानकारी अब प्रचुर मात्रा में उपलब्ध है, और आपके पास कोई कारण नहीं है कि आप कैश-फ्लो करने वाला व्यवसाय नहीं बनाएं। नियम #3: हर दिन AI का उपयोग करें AI-मूलभूत होना अब वैकल्पिक नहीं है। इसे अपने जीवन में समाहित करें और सीमा के किनारे पर बने रहने का प्रयास करें। नियम #4: EQ > IQ जब सभी के पास समान AI उपकरण हों, तो अंतर स्मार्टनेस नहीं, बल्कि आपकी दूसरों से संपर्क स्थापित करने की क्षमता होगी। नियम #5: स्वास्थ्य को प्राथमिकता दें सरल चीजों से شुरू करें: सोना, व्यायाम, पानी पीना, और पोषण। नियम #6: एक व्यक्तिगत ब्रांड बनाएं वितरण नया मोएट है। सामग्री बनाना मुफ्त है, और सबसे अच्छा वितरण चैनल है। नियम #7: बेचना सीखें यह कौशल है जिसके बारे में कोई बात नहीं करता। AI प्रोडक्ट बना सकता है, कॉपी लिख सकता है, साइट का डिज़ाइन कर सकता है, और विज्ञापन चला सकता है, परन्तु मानवीय संबंध स्थापित करना अभी भी नहीं कर सकता। नियम #8: निवेश करें अपने में (कौशल)और AI (पिक-एंड-शोवल) में निवेश करें। यह हमारे सबसे बड़ा "बबल" है—इसका fayda uthayein। नियम #9: संपर्क स्थापित करें अपना संपर्क-जाल (नेटवर्क) बनाएं। आपका संपर्क-जाल (नेटवर्क)आपका सबसे महत्वपूर्ण सुरक्षा-जाल है,औरयहीआपकोनएअवसरोंतकपहुँचाएगा। नियम #10:जिज्ञासुबनेरहें यहवहमेटा-कौशलहैजोऊपरदिएगएसभीचीजोंकोपोषितकरताहै।जोलोगजल्दीसीखऔरदोहरातेहैं,वहअबऔरभीअधिकमूल्यवानहैं। इसे सुरक्षित करें,ताकिआपइसेभूलनेकेलिएमजबूरनहींहों।

[APRO बुद्धिमत्ता #07] ──────────────── AI STEM, कोडिंग, गणित में अविश्वसनीय है। लेकिन सहानुभूति, सौंदर्यात्मक निर्णय, कमरे को पढ़ना, धीमी कारण-परिणाम को महसूस करना — AI अभी भी हमसे बहुत, बहुत दूर है। एंथ्रोपिक की डैनिएला ने इसे बिल्कुल सही कहा: "हम एक ऐसे युग की ओर बढ़ रहे हैं जहाँ मानवीय मूल अभूतपूर्व रूप से महंगा हो रहा है।" AI के साथ बनाएं। अपने अनिवार्यता को न भूलें। → @APRO_Oracle

गिलेर्मो रॉच, @vercel के सीईओ: "दुनिया में हर कार्य अंततः एक कोडिंग कार्य बन जाता है। इसीलिए हर प्रयोगशाला एक ही चीज की ओर दौड़ रही है... एक कोडिंग एजेंट जो आपके बिना चलता है।" कोडिंग AI अगला कहाँ जाएगा, इसका सबसे स्पष्ट विश्लेषण। किसी भी $500 के एजेंट कोर्स से अधिक मूल्यवान। इसे देखें, फिर नीचे दिए गए तरीके से अपने सोते समय एक कैसे चलाएं, यह पढ़ें।