یسنیا پرز-کروز از تجربهش روی Polaris شاپیفای میگه مشکل دیزاین سیستمها اینه که به تیمها یاد میدن اطلاعات رو تو جعبه بچینن، نه اینکه براش فرم معنادار پیدا کنن.
یه پست کوتاه از fogus سراغ سؤالی میره که این روزها تو جمعهای OSDev و موتور شطرنج و دموسین داغه: چرا اونجا سراغ مدل زبانی رفتن به چشم تقلب دیده میشه؟
دیوار سختِ «ساختن» با هوش مصنوعی فرو ریخته و نویسنده میگه چیزی که ازش مونده همون قضاوتیه که هیچ مدلی جاشو نمیگیره: تشخیص اینکه چی اصلاً ارزش ساختهشدن داره.
یه نظرسنجی جهانی میگه یکسوم کارمندها اعتراف کردن جلوی طرحهای هوش مصنوعی شرکتشون سنگاندازی کردن؛ ریشهش هم خود تکنولوژی نیست.
هیرودِوز تو یه وایتپیپر بیست استاندارد و قانون امنیتی دنیا رو کنار هم گذاشته و نشون میده چرا یه فریمورک بدون پشتیبانی مستقیم تیم مهندسی رو زیر سؤال میبره.
تو هر تیمی یه نفر هست که کار رو بهش میسپری و دیگه برنمیگرده. نویسنده این مقاله اون تفاوت نامرئی رو به ۹ پلهٔ پشتسرهم تبدیل کرده که هر کدوم یه کار از دوش مدیر برمیداره.
وقتی ایجنتها روزی هزاران تغییر میسازن، دیگه کسی نمیتونه همهشو بخونه. ادی آزمانی میگه کیفیت نرمافزار از این به بعد تو محدودیتهایی تعریف میشه که دور ایجنتها میذاری.
حالا که ایجنتها میتونن هر ابزاری رو برات شخصیسازی کنن، فورککردن همهچیز وسوسهانگیزه؛ ولی نگهداشتن اون فورکها یه هزینهٔ پنهون داره که کمتر کسی حسابش رو میکنه.
بعد از ۴۰ سالگی خیلی از آدمهای حرفههای خلاق نگران بیربط شدنن. جواب جامعهٔ Creative Boom اینه: مسابقهٔ سرعت با جوونترها رو کنار بذار و روی چیزی بایست که فقط با سالها به دست میاد.
نویسنده میگه ترس اصلی نباید استخدامنشدن باشه؛ خطر واقعی اینه که هوش مصنوعی همون اصطکاکی رو حذف میکنه که یادگیری دقیقاً از دلش در میاومد.
مدل تازهٔ OpenAI ده مسئلهٔ باز ریاضی رو حل کرد و جامعهٔ ریاضیدانها رو شوکه کرد؛ نوآ اسمیت میگه دوران قهرمانی فردی تموم شده، ولی شغل ریاضیدانها از بین نمیره.
ولید خان تعریف میکنه که با گذاشتن بلاکهای scrut توی متن کامیت، بخش Test Plan از یه توضیح تزئینی به تستی تبدیل میشه که واقعاً اجرا میشه.
یه مدیر ارشد طراحی تجربهاش از کار واقعی با Cowork رو نوشته: از مود دسترسی و ساختن اسکیل تا جاهایی که ابزار میشکنه، مثل بازنویسی فایل و توهم مدل.
کانمن و تورسکی نشون دادن یه عدد ثابت با دو جور بیان تصمیم آدمها رو برعکس میکنه؛ این مقاله میگه همین اتفاق تو قیمتگذاری، پیام خطا و جواب چتبات هم میافته.
وقتی هوش مصنوعی به هر زبونی کد مینویسه، یاد گرفتن عمیق زبانها چه فایدهای داره؟ ادواردو بلانی میگه ارزش یه زبان به ایدههاییه که توش جا افتاده، نه به سینتکس و ابزارش.
استیو مکپارتلند میگه استودیوهای چندتخصصی هم معمولاً جزیرهای کار میکنن؛ نتیجهش خروجیهاییه که هرکدوم درستن ولی کنار هم یه تجربهٔ بههمپیوسته نمیسازن.
ساختن دموی هوش مصنوعی اونقدر ساده شده که پورتفولیوها شبیه هم شدن؛ چیزی که آدمها رو از هم جدا میکنه، نتیجهٔ اندازهگیریشدهست نه فهرست پروژهها.
شان گودکه میگه بیشتر از نصف اینسیدنتهایی که توشون بوده، بدون دخالت آدمها هم تقریباً تو همون زمان جمع میشدن؛ و عجله برای رفع کردن معمولاً اوضاع رو بدتر میکنه.
نویسنده میگه بهترین راه بهروز موندن تو دوران هوش مصنوعی اینه که یه پروژهٔ کوچیک رو خودت از صفر تا صد بسازی؛ چون سد فنیِ ساختن نرمافزار حالا خیلی کوتاهتر از چیزیه که فکر میکنی.
یه توسعهدهنده با مثال پختن استیک توضیح میده چرا خروجی مدلها یه بار عالیه و یه بار زغالِ سوخته، و چرا تا خودت کار رو بلد نباشی نتیجهٔ خوب فقط شانسیه.