12

หลักการสำคัญ: Code is cheap. Taste matters

AI999第7课:AI Native 科研范式与 EvoX 实战切入
00:00

เมื่อต้นทุนส่วนเพิ่มของการสร้างและพัฒนาโค้ดถูกลดทอนลงจนเกือบเป็นศูนย์ด้วยโมเดลขนาดใหญ่และฐานรากแบบเทนเซอร์ ทรัพยากรที่หายากในการวิจัยและการสร้างระบบจึงเปลี่ยนจาก “เขียนออกมาได้หรือไม่” ไปสู่ “คุ้มค่าที่จะทำหรือไม่ และทำอย่างไรจึงจะถือว่าทำได้ดี”

Code is cheap เป็นคำอธิบายตามจริงของสถานะวิศวกรรมในปัจจุบัน: หลังจากต้นทุนการพัฒนายุบตัวลง โค้ดไม่ใช่กำแพงอีกต่อไป และไม่ใช่หน่วยวัดผลงานวิจัยอีกด้วย — “รันผ่าน” ได้ลดสถานะจากผลลัพธ์กลายเป็นเพียงเงื่อนไขตั้งต้น จากผลงานที่นำมาแสดงได้กลายเป็นบัตรผ่านสำหรับทำงานต่อไป

Taste matters เป็นการนิยามบทบาทของมนุษย์ใหม่หลังการแบ่งงานระหว่างมนุษย์กับ AI: เมื่อ “AI สร้างคำตอบ มนุษย์กำกับทิศทาง” กลายเป็นการแบ่งงานโดยปริยาย สิ่งที่หายากจริง ๆ ในฝั่งมนุษย์คือความสามารถในการตั้งคำถามสำคัญ กำหนดเกณฑ์การประเมิน และตัดสินทิศทาง amidst ความขัดแย้งระหว่างเป้าหมายหลายด้าน

Code is cheap. Taste matters.แผนภาพแสดงแนวโน้มตัดกันของต้นทุนการพัฒนาที่ลดลงและคุณค่าของการตัดสินใจที่เพิ่มขึ้น ผสมผสานคำกล่าวของทัวริงกับคำสำคัญแห่งวิสัยทัศน์โครงสร้างพื้นฐานเปิดของ EvoXCode is cheap.Taste matters.การพัฒนากำลังเสื่อมค่า การตัดสินใจกำลังเพิ่มค่า: ความหายากเปลี่ยนจาก “เขียนได้หรือไม่” ไปสู่ “คุ้มค่าที่จะทำหรือไม่”“เรามองเห็นได้เพียงระยะใกล้ข้างหน้าเท่านั้นแต่ก็เห็นได้ว่ามีสิ่งรอให้ทำอีกมากมายตรงนั้น—— แอลัน ทัวริง 《Computing Machinery and Intelligence》แนวโน้มการถ่ายโอนความหายากต้นทุนการพัฒนา ↓คุณค่าของการตัดสินใจ ↑ระดับเทียบเคียงรอบการทำซ้ำ / เวลาจุดเปลี่ยนหลังจุดเปลี่ยน: การตัดสินใจกลายเป็นตัวแปรสำคัญเป้าหมายสูงสุดของ EvoXเปิดฐานรากที่แบ่งปันได้ ตรวจสอบได้ นำกลับมาใช้ซ้ำได้ประกอบได้แยกส่วนและประกอบใหม่ ลดต้นทุนการนำไปใช้ผลตอบรับจริงเข้าสู่สภาพแวดล้อมจริง เปิดรับการพิสูจน์หักล้างวิวัฒน์อย่างต่อเนื่องถูกคัดเลือก สะสม และสืบทอดรสนิยมไม่ใช่การยืนยันเชิงสุนทรียะ: จงเขียนการตัดสินใจให้เป็นสมมติฐานที่ตรวจสอบได้ มอบให้สภาพแวดล้อมจริงตรวจสอบ — ทำให้ทุกการสำรวจสามารถถูกตรวจสอบและสืบทอดได้

ความหายากถ่ายโอนไปที่ใด

  • การเลือกโจทย์: การเลือกทำโจทย์ใดกำหนดเพดานได้มากกว่าการเลือกวิธีทำ เมื่อทิศทางผิด ยิ่งพัฒนาเร็วยิ่งสูญเปล่า
  • การออกแบบฟังก์ชันเป้าหมายและเกณฑ์การประเมิน: เมื่อเลือกตัวชี้วัดผิด โมเดลก็ยิ่งลู่เข้าหาทิศทางที่ผิดอย่างมีประสิทธิภาพ
  • หลักเกณฑ์การ权衡เป้าหมายหลายด้าน: ความ偏好ระหว่างประสิทธิภาพ ความสามารถในการทำซ้ำ ความสามารถในการบำรุงรักษา และต้นทุนการนำไปใช้ ต้องถูกประกาศอย่างชัดแจ้ง ไม่ใช่ตัดสินใจชั่วคราว
  • การตีความและระบุที่มาของผลลัพธ์: แยกแยะระหว่าง “บังเอิญรันผ่าน” กับ “เข้าใจจริง” และพิจารณาว่าผลประโยชน์มาจากการแก้ไขใด

รสนิยมต้องถูกตรวจสอบได้

รสนิยมไม่ใช่การยืนยันเชิงสุนทรียะ และไม่สามารถตัดสินได้ด้วยอาวุโสหรือการลงคะแนนเสียง มันต้องถูกพิสูจน์หักล้างผ่าน “เข้าสู่สภาพแวดล้อมจริง — รับผลตอบรับจริง”: เขียนการตัดสินใจให้เป็นสมมติฐานที่ตรวจสอบได้ แล้วใช้ความล้มเหลวและความสำเร็จในสถานการณ์จริงมาปรับปรุงมัน มิฉะนั้นการถกเถียงก็จะเหลือเพียงการโต้แย้งเรื่องความชอบ

ความหมายของโครงสร้างพื้นฐาน: ทำให้รสนิยมมีที่หยั่ง

เป้าหมายสูงสุดของ EvoX อยู่ที่จุดนี้พอดี: สร้างโครงสร้างพื้นฐานเปิดที่สามารถเข้าสู่สภาพแวดล้อมจริงและรับผลตอบรับจริงได้ ฐานรากที่เปิด แยกส่วน และประกอบได้ช่วยลดต้นทุนการนำไปใช้ให้ต่ำเพียงพอ ทำให้ไอเดียดี ๆ เข้าสู่สถานการณ์จริงได้ด้วยต้นทุนต่ำ ถูกคัดเลือก สะสม และสืบทอด — การตัดสินใจจึงมี载体 ที่สามารถขัดเกลาได้ครั้งแล้วครั้งเล่า

จิตสำนึกเรื่องขอบเขต: Code cheap ไม่ได้หมายความว่าวิศวกรรมลดทอนได้

ประตูตรวจรับ ความสามารถในการทำซ้ำ ความสามารถในการบำรุงรักษา และวงจรป้อนกลับ ยังคงเป็นเกณฑ์ที่แท้จริง รสนิยมปรากฏชัด正是在การตัดสินใจ取舍เกี่ยวกับเกณฑ์เหล่านี้: ผลตอบรับแบบใดที่ควรเชื่อถือ ตัวชี้วัดใดที่ต้องยึดมั่น การ尝试ล้มเหลวแบบใดที่ควรถูกปฏิเสธแทนที่จะถูกรวมไว้ นี่คือคุณค่าของกลไกแบบ Genesis — การแก้ไขที่เป็น候选修改จะกลายเป็นพื้นฐานประวัติศาสตร์ที่ผู้ปฏิบัติงานรุ่นถัดไปสืบทอดได้ ก็ต่อเมื่อผ่านการคอมไพล์ การทดสอบ การตรวจสอบพฤติกรรม และการตรวจรับจากชั้นบน

คำกล่าวสะท้อน
ทัวริงเขียนไว้ในตอนท้ายของ 《Computing Machinery and Intelligence》 ว่า: เรามองเห็นได้เพียงระยะใกล้ข้างหน้าเท่านั้น แต่ก็เห็นได้ว่ามีสิ่งรอให้ทำอีกมากมายตรงนั้น แทนที่จะโต้เถียงกันว่ารูปแบบสุดท้ายของสติปัญญาจะเป็นอย่างไร สู้สร้างโครงสร้างพื้นฐานเปิดที่สามารถเข้าสู่สถานการณ์จริงและรับผลตอบรับจริงได้อย่างต่อเนื่องดีกว่า เพื่อให้ทุกการสำรวจสามารถถูกตรวจสอบและสืบทอดได้

หน้านี้สืบเนื่องจากหน้าก่อนที่ว่าด้วยการแบ่งงาน “AI สร้างคำตอบ มนุษย์กำกับทิศทาง” โดยนำเสนอหลักการสำคัญที่รองรับการแบ่งงานดังกล่าว ส่วนหน้าถัดไปจะเปลี่ยนเข้าสู่การปฏิบัติจริงในการสนทนาเพื่อนำทาง AI ให้ทำงาน EvoX