The post has been translated automatically. Original language: Russian
When the user just enters the world Artificial Intelligence, it seems to him that truly vast horizons have suddenly opened up for him. It's like he's switching from a tricycle to a cool chopper. Instead of spending an hour on a social media post or feature in Python is now being spent 15 minutes. To create a unique picture — 5. You can write your own book, you can create a whole music album. And all with the help of amazing AI capabilities. But then... Sobering up comes.
It turns out that:
- AI does not provide any breakthrough ideas by itself.;
- The texts are all similar to themselves and the texts of others.;
- Absolutely all the data that the AI has provided to you must be checked manually.;
- Reviewing code written by AI takes almost as long as writing code from scratch.;
- people are annoyed by the content created with the help of neural networks (have they fed me a neuroslope again?!).
Disappointment sets in, both for those who use AI and for those who consume, so to speak, the product of their vital activity.
The effect of a "low base" is that any innovation based on scarce or already thoroughly spent resources initially gives a high growth in everything. Productivity, revenue, and good luck (newcomers are lucky). It 's impressive and initially fascinating. But then, according to the laws of life and mathematics, growth slows down, a "plateau" changes, and then stagnates, if you do nothing about it, of course, but continue to perceive the starting conditions as eternal and unchangeable success factors.
What to do?
In my humble opinion, there is only one way out: to learn how to work with AI. It is the applied aspects of use. That is, in practice. You may not know the basics of machine learning, you may not know the architecture of language models , and you may not be able to create AI agents. But creating competent queries and knowing the limits of the applicability of neural networks, and not stretching them to where they don't work too well yet, is a must.
Когда пользователь только входит в мир Искусственного Интеллекта, ему кажется, что для него вдруг открылись поистине необозримые горизонты. Он как будто пересаживается с трёхколесного велосипеда на крутой чоппер. Вместо часа на пост для соцсетей или функцию в Python теперь тратится 15 минут. На создание уникальной картинки — 5. Можно написать свою собственную книгу, можно создать целый музыкальный альбом. И всё с помощью удивительных возможностей ИИ. Но потом... приходит отрезвление.
Оказывается, что:
- никаких прорывных идей сам по себе ИИ не даёт;
- тексты все как один похожи сами на себя и тексты других;
- абсолютно все данные, которые предоставил вам ИИ, надо проверять вручную;
- ревю кода, написанного ИИ, занимает почти столько же времени, как написание кода с нуля;
- людей раздражает контент, созданный с помощью нейронок (опять меня нейрослопом накормили?!).
Наступает разочарование, и у тех, кто использует ИИ, и у тех кто потребляет, так сказать, продукт их жизнедеятельности.
Эффект «низкой базы» заключается в том, что любая инновация на скудных или уже основательно потраченных ресурсах поначалу даёт высокий рост всего. Производительности, выручки, удачи (новичкам везёт). Это впечатляет и поначалу завораживает. Но потом, по законам жизни и математики, рост замедляется, сменяется «плато», а затем переходит в стагнацию, если с этим, конечно, ничего не делать, а продолжать воспринимать стартовые условия как вечные и неизменные факторы успеха.
Что делать?
На мой скромный взгляд, выход тут только один: обучаться работе с ИИ. Именно прикладным аспектам использования. То есть, на практике. Можно не знать основ машинного обучения, не знать архитектуры языковых моделей и не уметь создавать AI-агентов. Но создавать грамотные запросы и знать границы применимости нейросетей, и не натягивать их туда, где они работают пока что не слишком хорошо, — это нужно обязательно.
Share
