پرش به محتوای اصلی

آمازون به توسعه دهندگان tokenmaxxing می گوید که سرعت چرخش هوش مصنوعی خود را کاهش دهند

دِ رجیستر۱۴۰۵ آبان ۶, چهارشنبه، ساعت ۲۰:۱۹حدود 4 دقیقه مطالعه

لطفا روی چیزهایی مانند ایجاد نرم افزار مفید و دستیابی به اهداف شرکت، بیشتر تمرکز کنید

آمازون با اشاره به نگرانی‌ها در مورد افزایش هزینه‌ها و پیچیدگی هوش مصنوعی به مهندسان خود گفته است که ارزش را به حداکثر برسانید، نه استفاده از نشانه‌ها.

آمازون این تغییر استراتژی را روز سه‌شنبه در یادداشتی به تیم‌های مهندسی منتشر کرد و نقش متغیر مهندسان توسعه نرم‌افزار خود را در عصر هوش مصنوعی تشریح کرد.

ترک ترکوویتز، معاون آمازون و مهندس برجسته، ترک ترکوویتز در یادداشت نوشت: «مهندس پرکار ما نشان داده‌اند که نه نقش توسعه‌دهنده و نه خروجی آنها با استفاده از هوش مصنوعی مشخص نمی‌شود. ما اکنون در عصر توسعه دهندگان رنسانس هستیم که ابزارهای هوش مصنوعی را با قضاوت انسانی و تخصص حوزه ترکیب می کنیم تا چیزهای کاملا جدیدی بسازیم.

به عبارت دیگر، آمازون می‌خواهد توسعه‌دهندگانش از هوش مصنوعی استفاده کنند، اما سوزاندن توکن‌ها با انجام کار مفید یکسان نیست.

این یادداشت به‌جای تعریف نقش توسعه‌دهنده بر اساس نحوه استفاده از هوش مصنوعی، بر آنچه به این سرعت در حال تغییر نیست تمرکز می‌کند: نیاز به ارائه نرم‌افزار و نتایج مفید برای مشتریان و کسب‌وکار.

این یادداشت ادامه می‌دهد: «تعریف روش‌های خوب مهندسی مبتنی بر هوش مصنوعی دشوار است، به روشی که در آزمون زمان مقاومت کند. ما تصمیم گرفته‌ایم با تکامل نقش‌های SDE روی چیزهایی تمرکز کنیم که تغییر نمی‌کنند... نتایج مهم تغییر نمی‌کنند، حتی اگر ورودی‌ها، ابزارها و تکنیک‌ها سریع‌تر از همیشه تغییر کنند.»

معنای آن برای توسعه‌دهندگان نرم‌افزار در حال حاضر این است که معیارهای ورودی هوش مصنوعی، حتی اگر آمازون با افزایش بهره‌وری و تحویل در تیم‌های tokenmaxxing همبستگی داشته باشد، آن چیزی نیست که آمازون آن را معیاری برای استفاده خوب از زمان و منابع توسعه‌دهنده می‌داند.

در این یادداشت آمده است: «همه ما از این که این معیارها تا چه حد عمیقا ناقص هستند آگاه هستیم، در درجه اول به این دلیل که آنها از آنچه مهم هستند جدا هستند.

این یادداشت با اشاره به هزینه‌های مکس توکن و کد بسیار پیچیده که با مأموریت آمازون برای «اختراع و ساده‌سازی» در تضاد است، ادامه می‌دهد: «اگر به‌عنوان یک هدف به‌جای اندازه‌گیری استفاده شود، استفاده از این معیارها می‌تواند منجر به نتایج منفی، افزایش هزینه‌ها و افزایش پیچیدگی شود».

یکی از سخنگویان آمازون تأیید کرد که هدف این یادداشت منع کردن tokenmaxxing است، و ما را به نظرات مت گارمن، مدیر عامل AWS در ژوئن اشاره کرد که در آن او توسعه‌دهندگان را تشویق می‌کرد تا در استفاده مناسب از ابزارهای هوش مصنوعی برای توسعه نرم‌افزار، نتایج را اندازه‌گیری کنند، نه مصرف توکن.

آمازون همچنین از توسعه‌دهندگانش می‌خواهد که بیشتر به این فکر کنند که چگونه هوش مصنوعی می‌تواند به "بهبود تحویل برای مشتریان" و واحدهای تجاری کمک کند، نه اینکه فقط سعی کنند مکانی را پیدا کنند تا ثابت کنند که برای آنها کار می‌کند. این یادداشت برخی از تیم‌های مهندسی را که «ارتباط کمتری با مشتریان و کسب‌وکارشان کرده‌اند» فراخوانی می‌کند و می‌گوید تیم‌هایی که بیشتر با محصولات و نقش‌های تجاری خود درگیر هستند «می‌توانند بیشترین بهره را از هوش مصنوعی و توسعه نرم‌افزار عاملی ببرند»، در اصل خواستار تیم‌های بیشتری برای اتخاذ رویکردی مشابه است.

در این یادداشت آمده است: «اگر کار شما از ابزارهای فعلی هوش مصنوعی سود نمی‌برد، این یک یافته است، نه یک شکست. مهندسی که می‌تواند توضیح دهد که هوش مصنوعی در کجا هنوز به کارشان کمک نمی‌کند، قضاوتی را که ما می‌خواهیم نشان می‌دهد.»

برداشت آمازون در این یادداشت کاملا شبیه به آنچه مایکروسافت در ماه آگوست به تیم‌های توسعه داخلی خود گفت، دقیقا با تأکید بر تمرکز بر بازده برای مشتریان و کسب‌وکار به جای حداکثر کردن ورودی‌ها.

مایکروسافت EVP Jay Parikh به توسعه دهندگان گفت: "Tokenmaxxing چیزی نیست که ما برای آن بهینه سازی می کنیم." من می‌خواهم همه ما روی به حداکثر رساندن نتایجی تمرکز کنیم که به مشتریان و کسب‌وکارمان کمک می‌کند.»

با آن، به نظر می‌رسد این نوشته برای رویکرد هوش مصنوعی به همه چیز و دیدن جایی که می‌چسبد برای یکپارچه‌سازی فناوری روی دیوار است. وقتی دو شرکت بزرگ شروع به این سؤال می کنند که آیا مصرف توکن هوش مصنوعی معیار مفیدی برای بهره وری برای هزاران مهندس نرم افزار آنها است، ممکن است بقیه جهان به زودی شروع به خوردن آن توکن ها به جای دست زدن به آنها کنند.

این، یا به زودی شاهد خواهیم بود که شرکت‌های بیشتری شروع به پذیرش فلسفه تکیه بر مدل‌های وزن باز «به اندازه کافی خوب» می‌کنند که می‌توانند بسیاری از وظایف را با کسری از هزینه جایگزین‌های گران‌تر انجام دهند - گارمن مورد مشابهی را برای انتخاب مدل‌های مقرون‌به‌صرفه بر اساس این وظیفه در ماه ژوئن ارائه کرد.

اگر شما یک حباب هستید، این رویکرد بسیار شبیه یک سنجاق به نظر می رسد. ®

خواندن متن کامل در دِ رجیستربه زبان اصلی، در سایت ناشر باز می‌شود
متن اصلی (انگلیسی)

Amazon tells tokenmaxxing devs to slow their AI roll

Focus more on what matters, please, like creating useful software and accomplishing company goals

همه‌ی اخبار فناوری