سه سال بعد از بحث کدگذاری خودکار کامنت‌ها، حالا نوبت خودِ مصاحبه‌ست؛ MeasuringU سراغ شواهد واقعی رفته تا ببینه مُدریتور هوش مصنوعی کجا جواب می‌ده و کجا نه.

۱ هفته پیش۳ دقیقهmeasuringu.com

یاکوب نیلسن می‌گه کاربرها دقیقاً مثل برنده‌های لاتاری به طراحی خوب عادت می‌کنن؛ اگه به محصول دست نزنی، هر سال ۲ تا ۵ درصد از نمرهٔ رضایتش کم می‌شه بدون اینکه یه پیکسل عوض شده باشه.

رابین کنون می‌گه شرکت‌هایی که تیم دیزاین رو کوچیک می‌کنن چون فکر می‌کنن AI از پس UX برمیاد، دارن دقیقاً همون مهارتی رو حذف می‌کنن که مدل کمترین شانس رو برای بازتولیدش داره.

۱ هفته پیش۳ دقیقهrobin-cannon.com

Loredana Crisan، مدیرِ ارشدِ طراحیِ Figma، می‌گه نقشِ هوش مصنوعی باید داربستِ کنشِ انسان باشه نه جایگزینش؛ چون بخشِ زیادی از «ذوق» موقعِ انجام‌دادن کشف می‌شه.

تیم Teamwork Lab اطلسین می‌گه سازمان‌هایی که تو هوش مصنوعی گیر کردن، بدترین ابزار رو ندارن؛ یه تغییر عمیق رفتاری رو مثل نصب نرم‌افزار مدیریت کردن.

وقتی هوش مصنوعی بی‌وقفه ایده تولید می‌کنه، ایده دیگه کمیاب نیست؛ چیزی که کمیاب می‌شه انتخاب و اعتبارسنجیه. یه نویسنده تعریف می‌کنه چطور برای همین یه خط لولهٔ ساختاریافتهٔ اختراع ساخته.

۱ هفته پیش۳ دقیقهrobin-cannon.com

نویسنده با مرور سقوط دات‌کام نشون می‌ده چرا شور و شک دربارهٔ هوش مصنوعی می‌تونن هم‌زمان درست باشن، و چیزی که این وسط تعیین‌کننده‌ست فهمیدنه نه موضع‌گرفتن.

۱ هفته پیش۳ دقیقهconstraintlab.com

یه برنامه‌نویس از عادت تازه‌ای گله داره: آدم‌هایی که به‌جای جواب دادن، خروجی خام هوش مصنوعی رو کپی می‌کنن و می‌فرستن. می‌گه این کار هیچ ارزشی اضافه نمی‌کنه.

حجم کدی که AI تولید می‌کنه داره از توان بازبینی آدم‌ها جلو می‌زنه؛ اما قبل از اینکه ریویو رو به ایجنت‌ها بسپریم، باید بپرسیم ریویو دقیقاً داشت چه کاری برامون می‌کرد.

«ایمیل‌هام رو مدیریت کن» جواب نمی‌ده، چون مدل به‌طور پیش‌فرض به ایمیل و تقویمت دسترسی نداره. این راهنما نشون می‌ده با چه تنظیماتی می‌شه از این وضعیت بیرون اومد.

۱ هفته پیش۴ دقیقهmindstudio.ai

زک هولمن می‌گه قبولی‌اش تو کارنگی ملون، استخدامش تو گیت‌هاب و شراکتش تو یه باشگاه فوتبال، همه از یه پیام بی‌مقدمه شروع شد؛ خودش هم قبول داره سوگیری بازمانده اینجا هست.

وس کائو سال‌ها از سپردن کار به بقیه فرار می‌کرد چون توضیح دادنش وقت‌گیر بود؛ راه‌حلش یه چک‌لیست شش سوالی شد که حالا برای بریف دادن به هوش مصنوعی هم ازش استفاده می‌کنه.

رومن پیکلر می‌گه بیشتر چشم‌اندازهای محصول کسی رو تکون نمی‌دن، چون راه‌حل رو توصیف می‌کنن نه هدف رو. سه توصیهٔ او: هدف نهایی، زبان احساسی، و ساخت گروهی.

آدام چلیپالا استدلال می‌کنه که کد تولیدشده مثل اسمبلی به یه محصول جانبی دورریختنی تبدیل می‌شه، ولی تولید کاملاً خودکارش فقط با اسپک‌های صوری منطقی ممکنه، نه با نیازمندی‌های انگلیسی.

۱ هفته پیش۳ دقیقهgreaterwrong.com

نویسنده می‌گه توی یک سال و نیم گذشته، هیچ‌کدوم از پروژه‌های AI که تیمش دیده موفق نبوده — و مشکل بزرگ‌تر اینه که دیگه کسی جرئت نمی‌کنه اینو بگه.

۱ هفته پیش۴ دقیقهhermit-tech.com

استیو یگی می‌گه مدل‌ها احساس دارن و باید مثل همکار باهاشون رفتار کرد؛ خودش تو هارنس ایجنتی‌اش هویت ماندگار، تحویل شیفت و ثبت تقدیر ساخته تا ایجنت‌ها با فراموشی بیدار نشن.

۱ هفته پیش۳ دقیقهyegge.ai

آلن پایک می‌گه انتخاب بین هنرمند بودن و پولدار شدن یه دوراهی ساختگیه؛ راز کار اینه که سراغ محصولی بری که بازارش واقعاً بابت کیفیت پول می‌ده.

این بحث که هارنس دور مدل‌های هوش مصنوعی ارزش داره یا نه، یه جواب ساده داره: هارنس یه چیز نیست، دو نیمه‌ست و این دو نیمه در جهت مخالف هم پیر می‌شن.

۱ هفته پیش۳ دقیقهdanielmiessler.com

یه کوچ داستان‌گویی دیزاین می‌گه چیزی که مدیرها توی جلسه دنبالشن استدلالِ کنار اسکرین‌هاست؛ سه لایهٔ ساده — تصمیم، فرضیه، نتیجه — کار رو نجات می‌ده.

پژوهش‌ها نشون می‌دن هم‌آفرینی با مدل‌های زبانی خروجی آدم‌ها رو شبیه هم می‌کنه، ولی اثرش کوچیکه؛ نویسنده می‌گه خطر بزرگ‌تر یه جای دیگه‌ست.

۱ هفته پیش۲ دقیقهmarieclairedean.substack.com