Hace unos días usé IA para planear un trabajo bastante importante. Me dio varias opciones. Elegí una que me gustó, la modifiqué un poco y empecé a trabajar en ello. Alrededor de una hora después, volví a leer desde el principio y cambié de opinión. No es que la respuesta fuera incorrecta, todo tenía su lógica. Pero cuanto más leía, más me daba cuenta de que no era la dirección que realmente necesitaba. Borré casi todo y empecé de nuevo. En ese momento me di cuenta de algo. La mayoría de los sistemas de IA actuales están construidos alrededor de señales positivas: respuestas elegidas, contenido guardado, retroalimentación bien valorada. Pero las cosas que hacen que las personas cambien a menudo están en otro lugar. Lo que más recuerdo de ese día no es la opción que mantuve, sino la opción que descarté. Una decisión correcta genera resultados. Una decisión que me hace querer rehacerla a menudo deja una lección más grande. Si eso es cierto, me pregunto si la IA está perdiendo una de las señales más valiosas. Eso es lo que me hace pensar en @OpenGradient . Cuando se habla de inteligencia propiedad del usuario, la mayoría de la gente piensa en datos o en el historial de conversaciones. Pero los cambios de opinión, los errores y las decisiones revertidas también son parte de esa inteligencia. Si estas señales son realmente valiosas para construir una mejor IA, deberían pertenecer a quienes las han experimentado. El futuro de la IA puede no estar moldeado por las respuestas más elegidas, sino por las lecciones que los humanos sacan de las elecciones que nunca volverían a hacer. #opg $OPG $BTW $SYN

Si la IA pudiera aprender de solo una señal, ¿cuál mantendrían?