నిజమైన పరీక్ష తర్వాత కూడా ఏ AI టూల్స్ ఓవర్ హైప్ అనిపిస్తాయి?
వైరల్ టెక్ డెమోకి మరియు ఉపయోగకరమైన ఆఫీస్ టూల్కి మధ్య దూరం పెరుగుతోంది. మార్కెటింగ్ విభాగాలు అద్భుతాలు చేస్తామని వాగ్దానం చేస్తుంటే, వినియోగదారులకు మాత్రం కేవలం ఆటోకంప్లీట్ ఫీచర్లు మాత్రమే అందుతున్నాయి. చాలామంది ఈ సిస్టమ్స్ ఆలోచిస్తాయని ఆశిస్తారు, కానీ అవి కేవలం ఒక క్రమంలో తదుపరి పదాన్ని అంచనా వేస్తాయి. ఈ అపార్థం వల్ల, ఒక టూల్ ప్రాథమిక లాజిక్లో విఫలమైనప్పుడు లేదా తప్పుడు సమాచారాన్ని సృష్టించినప్పుడు నిరాశ కలుగుతుంది. మీకు మానవ పర్యవేక్షణ లేకుండా 100 శాతం నమ్మదగిన టూల్ కావాలంటే, ప్రస్తుతం వస్తున్న జనరేటివ్ అసిస్టెంట్లను పూర్తిగా విస్మరించడం మంచిది. కచ్చితత్వం మాత్రమే ముఖ్యమైన హై-స్టేక్స్ వాతావరణాలకు ఇవి ఇంకా సిద్ధంగా లేవు. అయితే, మీ పని బ్రెయిన్స్టార్మింగ్ లేదా రఫ్ డ్రాఫ్టింగ్ గురించి అయితే, ఈ నాయిస్ మధ్యలో కూడా కొంత ఉపయోగం ఉంది. ముఖ్యమైన విషయం ఏమిటంటే, మనం ఈ టూల్స్ యొక్క తెలివితేటలను అతిగా అంచనా వేస్తున్నాము, కానీ వాటిని ఉపయోగకరంగా మార్చడానికి అవసరమైన పనిని తక్కువగా అంచనా వేస్తున్నాము. సోషల్ మీడియాలో మీరు చూసేదంతా జాగ్రత్తగా రూపొందించిన ప్రదర్శన మాత్రమే, ఇది సాధారణ నలభై గంటల పని వారంలో ఒత్తిడికి తట్టుకోలేదు.
ఫ్యాన్సీ సూట్లలో ప్రిడిక్షన్ ఇంజన్లు
చాలా టూల్స్ ఎందుకు నిరాశపరుస్తాయో అర్థం చేసుకోవాలంటే, అవి నిజానికి ఏమిటో మీరు తెలుసుకోవాలి. ఇవి లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMs). ఇవి భారీ డేటాసెట్లపై శిక్షణ పొందిన స్టాటిస్టికల్ ఇంజన్లు. వీటికి నిజం, నైతికత లేదా భౌతిక వాస్తవికత గురించి అవగాహన ఉండదు. మీరు ఒక ప్రశ్న అడిగినప్పుడు, సిస్టమ్ తన ట్రైనింగ్ డేటాలో ప్యాటర్న్లను వెతికి, నమ్మదగిన సమాధానాన్ని రూపొందిస్తుంది. అందుకే ఇవి కవిత్వంలో చాలా బాగుంటాయి కానీ గణితంలో చాలా దారుణంగా ఉంటాయి. ఇవి సరైన సమాధానాన్ని చేరుకోవడానికి అవసరమైన లాజిక్ను అమలు చేయడం కంటే, సరైన సమాధానం యొక్క శైలిని అనుకరిస్తాయి. ఈ వ్యత్యాసమే AI ఒక సెర్చ్ ఇంజన్ అనే అపార్థానికి మూలం. సెర్చ్ ఇంజన్ ఇప్పటికే ఉన్న సమాచారాన్ని కనుగొంటుంది. LLM సంభావ్యత ఆధారంగా కొత్త టెక్స్ట్ స్ట్రింగ్ను సృష్టిస్తుంది. అందుకే
