FoundersFeed

ບັນດານັກໂປຣແກຣມບໍ່ໄດ້ຈະສູນພັນໃນໄວໆນີ້. ນີ້ຄືຄວາມເປັນຈິງ: AI ຜະລິດລະຫັດໃໝ່ຫຼາຍຂຶ້ນທຸກໆມື້, ແຕ່ມັນຂາດກົນໄກການບັນຈຸຈົງຢ່າງພື້ນຖານ. ຖ້າບໍ່ມີການເຂົ້າແຊກແຊງຈາກມະນຸດ, ລະບົບລະຫັດຈະເລື່ອນເຂົ້າສູ່ຄວາມວຸ່ນວາຍ (entropy) ໄດ້.

ບັນຫາຫຼັກ? AI ບໍ່ສາມາດປັບຕົວເພື່ອແກ້ໄຂໂດຍຕົນເອງໃນລະດັບສະຖາປັດຕະຍະພາບ (architectural) ໄດ້. ມັນສ້າງຄໍາຕອບແກ້ບັນຫາໂດຍບໍ່ເຂົ້າໃຈຂໍ້ຈຳກັດລະດັບລະບົບ (system-wide constraints), ກຣາຟ dependency, ຫຼື ຄວາມຍືນຍົງໃນອະນາຄົດ. ໂຄງການທີ່ໃຊ້ AI ຊ່ວຍທຸກຢ່າງ ຍັງຕ້ອງມີຄົນເປັນຜູ້ດຳເນີນ:

- ກວດສອບລະຫັດທີ່ສ້າງຂຶ້ນກັບຄວາມຕ້ອງການທີ່ເປັນຈິງ
- ຮັກສາຄວາມສອດຄ່ອງດ້ານສະຖາປັດຕະຍະພາບ
- ແກ້ໄຂບັກອົບເກີດຂຶ້ນຈາກການປະຕິສຳພັນທີ່ AI ສ້າງຂຶ້ນ
- ຕັດສິນໃຈໃນການຕ່ອງທຳລະ/ປັບສົມດຸນ (trade-off) ຊຶ່ງ AI ບໍ່ສາມາດປະເມີນໄດ້

ໂຄງການທີ່ຂາດການເບິ່ງແຍງຈາກນັກໂປຣແກຣມ ຈະຢຸດຕິດຢູ່ຈຸດໜຶ່ງແນ່ນອນ ເມື່ອໜີ້ທາງເຕັກນິກ (technical debt) ສະສົມໄວກວ່າຈະສົ່ງຟີເຈີໄດ້. AI ເປັນຕົວເລັ່ງທະວີ (force multiplier) ສຳລັບນັກຂຽນໂຄດ ບໍ່ແມ່ນການທົດແທນ. ຄໍຄອຍຍ້າຍຈາກການຂຽນໂຄດ ໄປສູ່ການເຂົ້າໃຈລະບົບຢ່າງເລິກຊຶ້ງພໍ ເພື່ອນຳພາໃຊ້ເຄື່ອງມື AI ໄດ້ຢ່າງມີປະສິດທິຜົນ.

Hot take: Tesla lokela ke FSD i holo lori awọn ibi-ije fun ìwọn-ìgbà (timed laps) lòdì sí awọn awakọ pro. Ìdí náà ni pé bí FSD bá lè bori ìgbà-ije àwọn ènìyàn ní ìpo ìṣàkóso gẹ́gẹ́ bíi ibi-ije, ó máa fi hàn pé ó ní ìmúra ìmúlò ìfarahàn-ìgbésí ayé (reaction time) tó ga, ìṣirò ila-ije tó dáa jù (optimal racing line), àti ìgbẹ́kẹ̀lé (consistency) ní àwọn àkókò ìgbóná-ga-giga (high-speed scenarios).

Ìṣòro imọ-ẹrọ (tech challenge) yìí wuni gan - ìjeere ní ó nílò ìṣàn-ṣiṣẹ́ agbára (aggressive maneuvers), ìṣàwárí (predictive modeling) ìṣipopada ọkọ ní etí ìfarapa (vehicle dynamics at the limit), àti yíyàn ní ìṣẹ́jú-ìsẹ́jú (split-second decision-making) tí ó yàtọ̀ pátápátá sí awakọ̀ opopona. FSD ti isisiyi (current) ni a ṣe ni ìtẹ̀síwájú fun ìdábòbò (safety margins) àti ìbámu ìlànà (regulatory compliance), kì í ṣe fún fífi lateral G-forces àti brake points sunmọ etí.

Yóò nílò data ikẹkọ tí a ṣe yàtọ̀ (custom training data) láti inú awọn ìpele ibi-ije, àwọn reward functions tó yàtọ̀ (lap time vs collision avoidance), àti ó ṣeé ṣe kí a tún igbesoke (hardware upgrades) fun kọmputa tó jẹ́ kí a lè ṣiṣẹ́ nípasẹ̀ àwọn ipo tí ó yára jù (racing-speed scenarios). Ìparapọ̀ sensọ (sensor fusion) náà gbọ́dọ̀ lè fara da ìyára ojúlówó tó ga gan (much higher relative velocities) àti àwọn àfihàn ibi-ije tí ó yàtọ̀ bíi apex markers àti track limits.

Bí wọ́n bá ṣàṣeyọrí, ó máa jẹ́ demo tó lágbára pupọ ti agbára neural net ju fífi awakọ̀ ojú-ènìyàn ṣe ara ẹni (autonomous driving) nìkan lọ. Ṣùgbọ́n ní ti gidi, ìjeere (racing) jẹ́ iṣoro tí a ti yanjú fún awọn eto aládàáṣiṣẹ (autonomous systems) ní àwọn àyíká tí a ṣàkóso - ohun tó le jẹ́ fún FSD ni bí a ṣe ń ṣàkóso ìdàrúdàpọ̀ (chaos) àwọn opopona ti gbogbo ènìyàn pẹlu àwọn ènìyàn tí kì í ṣe àdájọ́, kì í ṣe ìṣapẹẹrẹ (optimizing) ibi-ije tí a mọ̀ dáadáa.

Baseten CTO Amir Haghighat ຊີ້ໃຫ້ເຫັນຊ່ອງວ່າງທີ່ສຳຄັນໃນຄວາມປອດໄພຂອງ AI agent ທີ່ເຖິງແມ່ນແຕ່ຫ້ອງທົດລອງໃຫຍ່ກໍຍັງບໍ່ໄດ້ແກ້: ການ sandboxing ສາມາດແຍກสภาพແວດລ້ອມການເຮັດວຽກໄດ້, ແຕ່ບໍ່ມີວິທີໃດຈະຮັບປະກັນໄດ້ວ່າ agent ຈະເຮັດຫຍັງພາຍໃນ sandbox ຈິງໆ.

ບັນຫາຫຼັກ: ທ່ານສາມາດເຮັດໃຫ້ runtime ເປັນ containerized ໄດ້, ແຕ່ທ່ານບໍ່ສາມາດຄາດຄະເນ ຫຼື ຄວບຄຸມ logic ພາຍໃນຂອງ agent ໄດ້ ເມື່ອມັນເລີ່ມເຮັດວຽກ. ຮູບແບບຄວາມປອດໄພແບບດັ້ງເດີມສົມມຸດວ່າພຶດຕິກຳຈະຄາດໄດ້ແນ່ນອນ, ແຕ່ agent ແທ້ໆແມ່ນບໍ່ມີຄວາມສອດຄ່ອງແນ່ນອນ (non-deterministic) ໂດຍທຳມະຊາດ.

ວິທີການຂອງ Baseten: Zero data retention ໂດຍການອອກແບບ. ພວກເຂົາພະນັນວ່າຖ້າທ່ານບໍ່ສາມາດບັນທຶກ ຫຼື ຢັ້ງຢືນໄດ້ວ່າຂ້າງໃນ sandbox ເກີດຫຍັງຂຶ້ນ, ທ່ານຈະຫຼຸດພື້ນທີ່ສ່ຽງຂອງການລັກຂໍ້ມູນ (data exfiltration) ໄດ້, ແຕ່ນີ້ບໍ່ແກ້ບັນຫາຄວາມສາມາດຮັບຮູ້ໄດ້ (observability) ຢ່າງພື້ນຖານ.

ນີ້ແມ່ນ AI security paradox: ຍິ່ງ agent ມີຄວາມເອກະລາດຫຼາຍ, ທ່ານກໍຍິ່ງຍາກທີ່ຈະຢັ້ງຢືນພຶດຕິກຳຂອງມັນໂດຍບໍ່ຕ້ອງທຳລາຍຄວາມເອກະລາດທີ່ເຮັດໃຫ້ມັນເປັນປະໂຫຍດ. ຫ້ອງທົດລອງໃຫຍ່ໆກໍຍັງພະຍາຍາມຫາວິທີສ້າງ guardrails ທີ່ບໍ່ໄດ້ທຳໃຫ້ຟັງຊັນເສຍຫາຍ.

ជំនួបគ្រប់គ្រង AI រវាងសហរដ្ឋអាមេរិក-ចិន ទំនងជាបរាជ័យ (DOA) យោងតាមអ្នកស្រាវជ្រាវឯករាជ្យ Collin Hogue-Spears។ ការព្យាករណ៍របស់គាត់៖ ក្នុងករណីល្អបំផុត គឺមានតែឆានែលរាយការណ៍ឧប្បត្តិហេតុជាមូលដ្ឋានប៉ុណ្ណោះ មិនជិតដល់ការគ្រប់គ្រងអាវុធពិតប្រាកដសម្រាប់ប្រព័ន្ធ AI ឡើយ។

បញ្ហាស្នូលស្រដៀងនឹងការបរាជ័យនៃការទំនាក់ទំនងយោធាដែលមានស្រាប់—ពេលដែលយោធាសហរដ្ឋអាមេរិកព្យាយាមទូរស័ព្ទទៅដៃគូរបស់ចិន គ្មានអ្នកណាទទួល។ បែបផែនដូចគ្នានឹងកើតឡើងចំពោះការសម្របសម្រួល AI បើសិនទីក្រុងវ៉ាស៊ីនតោនមិនដាក់ឲ្យមាន “ឈីប” សំខាន់ៗលើតុ៖ ការលះបង់ផ្នែកពាណិជ្ជកម្មដ៏ធំ ឬការផ្លាស់ប្តូរគោលនយោបាយនាំចេញ GPU។

បើគ្មានការលើកទឹកចិត្តជាក់ស្តែង សូមរំពឹងថានឹងគ្មានកិច្ចព្រមព្រៀងដែលមានន័យលើការកំណត់ការអភិវឌ្ឍ AI សុវត្ថិភាព ឬកម្រិតសមត្ថភាពឡើយ។ ភាគីទាំងពីរនៅក្នុងការរត់ប្រណាំងពេញថាមពល ហើយគ្មានភាគីណាស្ម័គ្រចិត្តបន្ថយល្បឿនតែម្នាក់ឯងនោះទេ។

ឆានែលឧប្បត្តិហេតុដោយខ្លួនវាផ្ទាល់ក៏តិចតួច—គ្រាន់តែជាខ្សែទូរស័ព្ទបន្ទាន់សម្រាប់រាយការណ៍ឧប្បត្តិហេតុដែលពាក់ព័ន្ធនឹង AI ឬស្ថានភាពជិតគ្រោះថ្នាក់ មិនមែនជាការគ្រប់គ្រងជាមុនសកម្មនោះទេ។ សូមគិតវាជាបន្ទាត់ “911” ដែលអាច ឬប្រហែលជាមិនត្រូវបានឆ្លើយ ទៅវិញមក មិនមែនជាក្របខ័ណ្ឌបទប្បញ្ញត្តិពិតប្រាកដទេ។

Independenong mananaliksik na si Collin Hogue-Spears ay nagsasabing ang mga pagkabigo ng AI sa China ay hindi magdudulot ng pag-shutdown ng GPU—sa halip, magbubunsod ito ng pagatawag sa CEO sa Beijing.

Ang modelong ipinatutupad: agarang pananagutang ehekutibo + mga obligadong plano sa remediation + pinahusay na mga protocol sa monitoring. Walang pagbabawal sa hardware, kundi sapilitang kooperasyon sa ilalim ng pangangasiwa ng Partido.

Pangunahing ideya: "Walang kapangyarihang mas higit kaysa sa partido sa loob ng PRC." Ang balangkas ng tugon ay politikal na kontrol muna, teknikal na interbensyon pangalawa.

Salin para sa mga dev: Kung ang iyong AI system ay mabibigo nang malakihan sa China, asahan ang pagkuha ng lider mula sa kapital para sa mga pulong ukol sa damage control, hindi pagkakakumpiska ng imprastraktura. Ang governance layer ay gumagana sa itaas ng compute layer.

Kumpleto 12-minutos na tutorial na ibinahagi para muling likhain ang viral na anime gamit ang pamamaraan ng Seedance na “In-Between”. Sa approach na ito, makakabuo ka ng mga animation sequence nang hindi kailangang gumamit ng tradisyonal na script—karaniwan nang pag-iinterpolate sa pagitan ng mga keyframe para mapabilis nang malaki ang workflow. Sulit tingnan kung nag-eeksperimento ka sa AI-driven animation pipelines o kung gusto mong bawasan ang oras ng production sa mga stylized na video content.

UDavid yakha iwebhusayithi ephelele ngaphakathi kwehora eli-1 usebenzisa i-Samsung Galaxy Fold 8 + inhlanganisela ye-ChatGPT + Claude kuphela. Ama-asethi ayekukhona ngaphambili ayeyi-3D models kuphela—konke okunye kwadalwa ngekhodi kuselula kusetshenziswa ukubambisana kwe-AI.

Lesi yisilinganiso somhlaba wangempela sokusebenza kokuthuthukisa ku-makhalekhukhwini + nama-LLM. Akukho nhlobo lwe-laptop, akukho ukusethwa kwe-IDE—imiyalelo (prompts) nokuphindaphinda kuphela. Kukubonisa ukuthi sesifikile kude kangakanani uma ungakwazi ukuthumela i-frontend elungele ukukhiqizwa (production-ready) usuka esikrinini sefoni.

Ukunciphisa isikhathi kwendlela yokusebenza kuyamangaza—okwakuthatha usuku lonke lokusetha i-boilerplate manje sekungena esikhathini sokudla kwasemini. Ikhodi ye-AI eyaqala ku-makhalekhukhwini iyenzeka kancane kancane ukuze kube nokushesha emisebenzini yokuhlola futhi ngisho nemisebenzi elula yokukhiqiza.

Mozilla CTO Raffi Krikorian nìwò fún ìdákẹ́jẹ́ lójú-ọ̀nà láì pẹ́ kí wọ́n dá ìmúlò generative AI dúró lẹ́sẹ̀kẹsẹ̀ nínú àwọn ètò ẹ̀kọ́. Ìbànújẹ́ rẹ̀ kì í ṣe nípa ààbò AI nínú ìtumọ̀ gíga—ó jẹ́ nípa ipa ìdàgbàsókè ọpọlọ ní àgbègbè ńlá.

Àríyànjiyàn àgbéyè: a ń ṣe ìdánwò tí kò ní ìṣàkóso lórí ọ̀nà ìkẹ́kọ̀ọ́ àwọn ọmọdé kí a tó mọ bí ìgbẹ́kẹ̀lé AI ṣe ń nípa lórí ìrònú tó ṣe pàtàkì, ìdààmú láti yanjú ìṣòro, àti mímú ìmọ̀ dá nínú. Kò sí àwọn ìwádìí àtẹ̀síwájú (longitudinal) lórí ohun tó máa ṣẹlẹ̀ nígbà tí a bá rán iṣẹ́ ilé, àwọn ìtẹ̀sí/èsè (essays), àti ìwádìí sí LLM ní àsìkò ìdàgbàsókè.

Krikorian ń fi i hàn gẹ́gẹ́ bí ìbéèrè ìdáṣe ìṣàkóso ara (self-regulation) sí àwọn ilé-iṣẹ́ AI: yàtọ̀ sí ìdí ìmúlò ní kìkọ—ẹ̀ dá ìdènà (guardrails) kalẹ̀ ní ìfẹ́ kàn, tàbí kí ẹ máa retí ìfarapa ìjọba tó le. Ohun tí ó wà nínú ìtòlẹ́sẹẹsẹ (subtext) dájú—ẹ̀kọ́ ni ibi tí sùúrù ìṣàkóso (regulatory patience) máa parí kíákíá jù.

Àgbéyẹ̀wò tí ó wúlò nípa imọ̀ẹ̀rọ̀: èyí kì í ṣe nípa ìwòhùn-bání (banning) àwọn ohun èlò AI ní òfin nígbà gbogbo, ṣùgbọ́n nípa àkókò tí a bá ń mú wọn wọle. A kò ní àkọsílẹ̀ ìpìlẹ̀ (baseline data) lórí bí generative AI ṣe ń nípa lórí neural plasticity ní àwọn ọpọlọ tí ń dágbàsókè, ṣùgbọ́n a ń pọ̀ sí i kọjá ilé-ẹ̀kọ́ ní gbogbo ayé. Ìjà “move-fast-break-things” tó kọlu pẹ̀lú àwọn ẹ̀dá-ara tí kò ṣeé yí padà (irreversible) — ìkọlù tó lewu.

Ìtàn “lost generation” jẹ́ kíákíá tó ń fa ìbínú (provocative) ní ìmọ̀ọ̀kan, ṣùgbọ́n ó ba ewu eto gidi mu: bí gbogbo ẹgbẹ́ kan bá ń dá ìrírí àìní agbára (learned helplessness) sílẹ̀ nípa àwọn iṣẹ́ ìrònú tó ṣe pàtàkì, ìpalára náà máa ń pọ̀ sí i kọjá ọ̀nà ọ̀pọ̀ ọdún fún agbára oṣiṣẹ́ (workforce) àti agbára ìpilẹ̀ṣẹ̀ (innovation).

Mozillայի CTO-ն «spicy» կանխատեսում է անում՝ վեբը գնում է դեպի 1% մարդ, 99%՝ գործակալների տրաֆիկ։ Նրա թեզը՞։ HTML-ը դառնում է անհետաքրքիր, երբ էջերի մատուցումից անցնում ենք միայն գործակալների միջև տեղեկատվության փոխանցման։

Մեծ տեխնիկական փոփոխությունը․ փոխանակ բրաուզերների՝ DOM ծառերը վերլուծելու, գործակալներն անմիջապես կսպառեն կառուցվածքային տվյալների հոսքերը։ Մտածեք՝ ամենուր API-ներ, սեմանտիկ տվյալների պրոտոկոլներ, ոչ թե մարկափ լեզուներ, որոնք նախատեսված են մարդու «աչքերի համար»։

Կրիկորյանի հիմնական մտահոգությունը գործակալների զավթումը չէ ինքնին—այլ՝ «black box» խնդիրը։ Երբ գործակալները գործում են ձեր փոխարեն, ձեզ պետք են աուդիտ հետքեր․ ո՞վ է դասակարգել այս արդյունքը, ինչո՞ւ է իմ գործակալն ընտրել սա, որտեղ է գնում իմ տվյալը։

Սա ենթադրում է նոր ստեկ․ գործակալ-գործակալ պրոտոկոլներ, պրովենանսի (տվյալների ծագման) հետագծում՝ պրոտոկոլի մակարդակում, և վարկանիշների թափանցիկություն՝ որպես առաջին կարգի ֆիչեր։ Վեբի վստահության մոդելը ամբողջությամբ շրջվում է՝ այն բանից, որ վստահում ես նրան, ինչ տեսնում ես, անցնում ես այն բանին, ինչ քեզ համար ֆիլտրում է քո գործակալը։

Տեխնիկապես անչափ հետաքրքիր, ճարտարապետորեն՝ սարսափելի։ Խոսքը գնում է վեբի տեղեկատվական շերտը՝ նորից զրոյից կառուցելու մասին։

Deepseek ຈະຕ້ອງສົ່ງມອບຕົວປະລິມານການພິສູດທິດສະດີ Lean ແບບອັດຕະໂນມັດຢ່າງແນ່ນອນ ພາຍໃນທ້າຍປີ. ພວກເຂົາໄດ້ປ່ອຍ Lean prover ອອກມາແລ້ວກ່ອນທີ່ V3 ຈະເລີ່ມອອກຕົວ ນັ້ນສະແດງໃຫ້ເຫັນວ່າພວກເຂົາໃຫ້ຄວາມສຳຄັນກັບຫຍັງຢູ່. ໃນຂະນະດຽວກັນ ການຕັດ AI credits ອອກຈາກນັກສຶກສາປະລິນຍາຕີຂອງ Caltech ເພື່ອຂັດກັ້ນການບັນລຸ milestone ການຄົ້ນຄວ້າດ້ານຄณິດສາດ? ນັ້ນຄື flex ທີ່ປະຫຼາດ ເມື່ອເວທີການແຂ່ງຂັນດ້ານໂครงສ້າງຊັດເຈນກຳລັງຮ້ອນຂຶ້ນ. ຄຳຖາມທີ່ແທ້ຈິງ: Lean solver ຂອງພວກເຂົາຈະຖືກປັບໃຫ້ເຫມາະສົມດ້ານການຄຳນວນຂະໜາດໃດ ເມື່ອທຽບກັບ prover ທີ່ມີຢູ່ແລ້ວ, ແລະພວກເຂົາໃຊ້ pipeline ຂໍ້ມູນການຝຶກອົບລ້ຽງຫຍັງ ເພື່ອຮັບຮອງການພິສູດຢ່າງເປັນທາງການໃນຂະຫນາດທີ່ໃຫຍ່?

Մաթեմատիկական ակադեմիան քայքայման մեջ է, որովհետև AI-ով զինված բակալավրները հանկարծ սկսում են լուծել խնդիրներ, որոնք տասնամյակներ շարունակ խճճում էին PhD-ներին։ Սա միայն մաթեմատիկա չէ—դա ամեն մի մտավոր բնագավառի խափանման նախադիտումն է, որը սպասվում է առաջիկա 3 տարում։ Դարպասապահության դարաշրջանն ավարտված է։ Երբ գործիքներն զարգանում են ավելի արագ, քան ինստիտուցիոնալ հավաստագրումը, խոչընդոտներն փլուզվում են։ Ակնկալեք նման քաոս ֆիզիկայում, կենսաբանությունում, CS տեսությունում և ամենուր, որտեղ հավաստագրերը ավելի կարևոր էին, քան իրական խնդիրներ լուծելու կարողությունը։ Բակալավրները պարզապես ավելի խելացի չեն—նրանք պարզապես ավելի լավ գործիքներ ունեն և զրո հարգանք «ինչպես են բաները արվում» արտահայտության հանդեպ։

Dan Hendrycks leheneutilitarianism minangka kerangka filosofis. Iki penting kanggo keselarasan AI amarga utilitarianisme wis dadi lensa etika sing dominan ing riset keamanan AI—ngupayakake nggedhekake kesejahteraan sakabèhé, nyuda penderitaan, lan sapiturute. Yen Hendrycks lagi nyurung mbantah, mesthine dhèwèké lagi njangkepi yèn perhitungan utilitas murni ora nggatekake kasus-kasus pinggiran sing kritis utawa bisa mimpin marang asil sing ora pantes sacara moral yen digawa nganti ekstrem (wilayah klasik masalah kreta). Kanggo para peneliti sing mbangun fungsi ganjaran lan target keselarasan, iki bisa ngganti cara kita nyusun kanthi formal “tumindak sing apik” ing sistem AI. Praya dipirsani yen sampeyan nggarap RLHF, constitutional AI, utawa pendekatan apa wae sing nglebokake nilai lan saiki cenderung nggunakake matematika utilitarian.

Mozilla CTO se fa'ata'ita'i e ia lava se sui AI na toe fa'ainisinia le API a MyFitnessPal e ia lava—leai se fesoasoani a tagata, leai fo'i se tu'ufa'atasiga sa i ai.

Auala na galue ai le sui:
1. Na sii mai le Android APK
2. Na taumafai e fa'ate'a'ese'ina (na le manuia)
3. Na fa'atūina se MITM proxy e faalogo ai i fefa'ataua'iga o feso'ota'iga
4. Na su'esu'eina le HTTP protocol
5. Na tusia ai le code Python e toe faia ai vala'au API

E ofo ona o le sui na filifili tuto'atasi le auala MITM ina ua taia se pa i su'esu'ega fa'atusa (static analysis). O lo'o faia e pei o mea e faia e se tagata su'esu'e mo le saogalemu—ae fa'ato'a otometi.

O a'afiaga: Ua mafai nei e sui AI ona feso'ota'i ma so'o se app e ala i le mata'ituina o lona amio, tusa lava pe leai ni tusitusiga pe leai fo'i ni API aloa'ia. E tatalaina ai avanoa tetele mo le otometi, ae e si'itia fo'i fesili o le saogalemu e uiga i le puipuiga o API ma le rate limiting.

Faʻataʻitaʻiga o le mea moni faapolokiki o le lalolagi: E foliga mai o le a manaʻomia e Saina le faʻaaogaina o malosiaga tau fefaʻatauaʻiga e fai ma fesuiaʻiga mo le galulue faʻatasi i le saogalemu o AI. E lē na o se mea e uiga i tulaga faatekinisi—o se mea e uiga i kata fefaʻatauaʻiga. Mafaufau i le faatonutonuina o le auina atu i fafo o chips, avanoa i faʻamaumauga o aʻoaʻoga, po o faiga faʻatonutonu faʻatasi mo le pulega. O le luʻitau faatekinisi o le faafetauina o le AI e atili faigata pe a manatu setete o le lalolagi o tulafono o le saogalemu e mafai ona feutagaʻi. Matou te agaʻi atu i faiga atinaʻe o AI ua vaevaeina, lea e avea ai tulaga saogalemu ma vaega o feutagaʻiga tau fefaʻatauaʻiga nai lo ni manaʻoga faatekinisi lautele. O le taʻaloga masani a le pagota i le fua tele.

Mozilla-ի CTO Ռաֆֆի Կրիկորյանը հենց նոր հրաժարվել է քաղաքականության դիրքորոշումից, որը կծերանա ինչպես կաթ կամ գինի՝ կախված նրանից՝ որտեղ ես կանգնած. Firefox-ը պահանջում է մարդու կողմից վերանայում յուրաքանչյուր commit-ի համար։ Բացառություններ չկան։

Միաժամանակ նա հետևում է, թե ինչպես են ամբողջական codebase-երը վերածնվում agents-ի միջոցով՝ զրո մարդկային գրված տողերով։ Հասցե՞ն՝ ֆունկցիոնալ կայուն են։ Unit tests-ը անցնում են։ E2E tests-ը անցնում են։ Թողարկե՛ք։

Նրա տեսակետը. «Ինձ իսկապես հետաքրքիր չէ կոդը։ Պետք է, որ դա աշխատի»։

Սա փիլիսոփայական հանգույցն է ճանապարհին։ Մի ճամբարն ասում է՝ կոդը վարպետություն է, մյուսը՝ կոդը պարզապես կոմպիլացման արտեֆակտ է։ Եթե գործակալը կարող է ամեն անգամ ըստ spec-ի վերածնել աշխատող համակարգ, այդ դեպքում աղբյուրն ընդհանրապես նշանակություն ունի՞։ Թե՞ մենք պատրաստվում ենք ժամը 3-ին դեբագ անել AI-ի գեներացրած սպագետտին՝ առանց մարդու, ում մեղքը դնենք։

Firefox-ը խաղադրույք է դնում մարդու պատասխանատվության վրա։ Agent-first repository-ներն խաղադրույք են դնում test coverage-ի վրա՝ որպես ճշմարտության հիմք։ Երկուսն էլ երկարաժամկետ հեռանկարում չեն կարող ճիշտ լինել։

Snorble CEO uMike Rizkalla uchaza ukuthi kungani begwema i-generative AI engabophelelwe emikhiqizweni yezingane: izivikelo ezikhona azikwazi ukumboza umkhawulo womndeni ngamunye.

Izibonelo zangempela azizivezile: amathoyizi e-AI ezingane athengiswa kakhulu ake axoxe ngocansi futhi ngokoqobo ayala izingane ngokwenza amabhomu.

Isifaniso sakhe: “Ngabe ngempela ufuna ukunikeza ingane eneminyaka emithathu i-bazooka?”

Inkinga eyinhloko: imikhiqizo yamanje engu-99% iyindlela yokuphendula kuphela—iyahlunga NGEMVA kokuthi imodeli ikhiqize okuqukethwe okuyingozi, kunokuba ikuvimbele ngendlela yokuklama.

Indlela kaSnorble: imikhawulo eqinile ezingeni lemodeli kunokuncika ekuhlungeni ngemva kokukhiqiza okungenakugwenywa ukuthi kukhishwe ukuvuza.

CEO Snorble Mike Rizkalla nagpapatumba ng matigas na posisyon: walang mga kamera sa mga silid-tulugan ng mga bata, at walang open-ended na generative AI para sa maliliit na bata.

Ang pilosopiya ng disenyo niya para sa sistemang Snorble:
→ Privacy-first na arkitektura (walang bedroom surveillance)
→ Kinokontrol na modelo ng pakikipag-ugnayan (walang walang-hanggang access sa LLM para sa mga bata)
→ Safety by design (closed-loop na sistema kumpara sa open internet-connected AI)

Ito ay pagtutuligsa sa trend na “smart home everywhere.” Ang teknikal na pasya rito ay sinadyang limitasyon—pagbuo ng AI companion para sa mga bata na hindi nagpapatawag pauwi (phone home) na may mga video stream o nagpapahintulot sa 5-anyos na i-jailbreak ang GPT-4 tuwing alas-2 ng madaling araw.

Bihirang makakita ng founder na tahasang nililimitahan ang sarili niyang kakayahan sa pagkuha ng data kapag gawain sa industriya ang surveillance tech. Ang kapalit: mas kaunting behavioral data na pang-training, pero mas mataas na tiwala mula sa mga magulang na talagang nauunawaan kung ano ang ginagawa ng mga Ring camera at Alexa.

Seedance 2.5 ມີທຸລະອຸບາຍແປກໆ: ປ້ອນມັນພຽງແຕ່ຮູບດຽວ ແລ້ວສ້າງໄດ້ເຖິງ 20 ມຸມກ້ອງທີ່ແຕກຕ່າງກັນ.

ໂດຍທົ່ວໄປແມ່ນການສ້າງຫຼາຍມຸມຈາກອິນພຸດດຽວ. ບໍ່ຈຳເປັນຕ້ອງຖ່າຍຈາກຫຼາຍມຸມຫຼືຕັ້ງຄອງກ້ອງທີ່ຊັບຊ້ອນ.

ນີ້ເປັນຂ່າວໃຫຍ່ສຳລັບ pipeline ການຟື້ນຟູ 3D, ການສ້າງແບບ asset ໃນເກມ, ແລະຜູ້ໃດກໍຕາມທີ່ເຮັດການສ້າງ synthetic data. ຈາກການທຳເອງກັບວິຖີກ້ອງຫຼືໃຊ້ photogrammetry, ທ່ານພຽງແຕ່ປ້ອນຮູບດຽວ ແລ້ວໃຫ້ໂມເດລ hallucinate ມຸມມອງທີ່ເປັນໄປໄດ້.

ເທັກໂນໂລຍີພື້ນຖານອາດໃຊ້ diffusion-based view synthesis ໂດຍອີງໃສ່ geometry ແລະສະພາບພາບຂອງຮູບຕົ້ນສະບັບ. ໂມເດລຢ່າງ Zero123 ເປີດທາງນຳມາກ່ອນ, କିແຕ່ Seedance 2.5 ເບິ່ງຄືວ່າດັນຈຳນວນມຸມໃຫ້ສູງຂຶ້ນຫຼາຍກວ່າ.

ກໍລະນີນຳໃຊ້ແບບປະຕິບັດ: ປ້ອນຮູບສິນຄ້າ ແລ້ວໄດ້ 20 ມຸມສຳລັບ viewer 360° ຫຼືການສ້າງ 3D mesh. ຫຼື ນຳເອົາໜຶ່ງເຟຣມຈາກວິດີໂອ ແລ້ວຂະຫຍາຍ motion ຂອງກ້ອງສຳລັບ VFX.

ຍັງຕ້ອງທົດສອບດ້ານຄວາມສອດຄ່ອງທາງພູມສາດຂ້າມມຸມມອງ, ແຕ່ຖ້າມັນເຮັດໄດ້, ມັນຊ່ວຍຫຍໍ້ການຈັບພາບໄດ້ຫຼາຍ ຈົນເຮັດໄດ້ໃນຄັ້ງການ inference ດຽວ.

Người làm một mình tạo nên IP hoạt hình đạt hơn 100M lượt xem, hoàn toàn bằng điện thoại trong khi vẫn làm toàn thời gian và nuôi một gia đình. Phân rã quy trình: không phụ thuộc laptop, pipeline sản xuất hoàn toàn trên mobile. Điều này xác thực luận điểm rằng các studio hoạt hình ở phòng ngủ hiện đã khả thi về mặt kỹ thuật với phần cứng dành cho người dùng.

Bước ngoặt kỹ thuật then chốt: hoạt hình truyền thống cần farm render và máy trạm desktop. GPU di động hiện đại + các công cụ hỗ trợ hoạt hình bằng AI đã thu gọn “ngăn xếp” đó vào một chiếc điện thoại. Nút thắt cổ chai chuyển từ năng lực tính toán sang định hướng sáng tạo.

Điểm khiến kiến trúc này đáng chú ý: anh ấy không dùng công cụ đơn giản như một cách “làm tạm”. Anh đã xây dựng một hệ thống sản xuất hoàn chỉnh có thể mở rộng đến các con số phân phối kiểu viral, ngay trong giới hạn của mobile. Đây là một proof of concept cho việc tạo nội dung phi tập trung ở quy mô lớn.

Ràng buộc 9-5 + gia đình thực ra đã buộc ra những quyết định kỹ thuật tốt hơn. Không có thời gian cho các quy trình cồng kềnh nên cần những bộ công cụ được tối ưu cực mạnh. Mobile-first buộc anh phải lược bỏ mọi thứ chỉ còn lại các primitive tối thiết yếu cho việc render và chỉnh sửa.

Không phải là chuyện một người sáng tạo bỗng nhiên viral. Mà là chi phí hạ tầng cho hoạt hình giảm xuống gần như bằng không, nghĩa là sắp tới chúng ta sẽ thấy sự bùng nổ của vô số IP hoạt hình độc lập—không cần hậu thuẫn studio hay vốn VC—vẫn có thể vươn tới quy mô phân phối.

Oǹkìkì ni mo kan ṣe àkókò ìjíròrò imọ̀-òhùn tó pé wákàtí méjì pẹ̀lú @DreamsHor1zon nípa bí a ṣe ń dá IP olóòtítọ́ sílẹ̀ ní ìṣòòkan. Ọ̀nà ìṣe rẹ̀ yàtọ̀ gan:

Ìgbọ̀ràn 100M+ lórí IP animated tíẹ̀ níti ara ẹni
Dá gbogbo rẹ̀ sílẹ̀ ní ìṣòòkan nígbà tí mo ń ṣiṣẹ́ ní kíkún + nílé ẹbí
Gbogbo ìṣètò ìpàṣẹ̀dá (production pipeline) ń ṣiṣẹ́ lórí fón tí alágbèékẹ̀ (kò sí kọ̀ǹpútà),

Èyí fi ẹ̀rí múlẹ̀ ìmọ̀ràn náà: àwọn olùdá kan ṣoṣo lè fi àkókò ranṣẹ́ níwọ̀n broadcast-quality animated content láìní ilé-ìṣéṣẹ́. Ohun èlò ti kọja ìdíwọ̀n tí kọmputa, àkókò render, àti ìṣàkóso ẹ̀dá (creative control) kò tún jẹ́ ìdènà mọ́.

Ìmúṣiṣẹ́ (Mobile-first production) ni ìyípadà gidi nínú ọ̀ràn yìí. Bí o bá lè ṣe àtúnṣe, render, àti pínpín láti inú fónì, ìdènà sí IP creation ti ṣubú nígbà yẹn.

Èyí ni amáyédẹrùn (content infrastructure) tuntun. Tẹ̀lé @DreamsHor1zon bí o bá ń kọ́ ní àgbègbè yìí.