纯粹因为炒作而使用 LLM 对世界毫无益处。✎ Edit

👁 985 views
纯粹因为炒作而使用 LLM 对世界毫无益处。
Penggunaan LLM hanya kerana hype tidak memberi manfaat kepada dunia operasi mahupun perniagaan.
Sebenarnya, pendekatan itu boleh bercanggah dengan matlamat ESG, membazir tenaga, meningkatkan kos operasi yang tidak perlu, dan hampir tidak memberi nilai sebenar kepada pengguna akhir.

Isunya bukan pada AI.

Isunya terletak pada cara kita merekabentuk, mengintegrasikan, dan mengendalikan sistem AI.

Terdapat jurang besar antara menggunakan AI untuk publisiti dan menggunakan AI dengan cara yang betul.
Penggunaan AI untuk hype bermaksud memasang model besar pada setiap tugas kecil, walaupun tugas itu tidak memerlukan kuasa pengkomputeran sebesar itu. Dari luar, ia kelihatan canggih; tetapi di belakang tabir, ia tidak cekap, mahal, dan membazir sumber infrastruktur.

Penggunaan AI yang betul bermaksud membina sistem yang betul untuk kerja yang betul.

Dari sudut operasi logistik, saya melihat ejen AI lebih sebagai jurubina sistem berbanding pembantu biasa.

Sebagai jurubina, ejen AI sepatutnya memasang 'mesin' yang sesuai untuk setiap kerja harian. Dalam gudang, kita tidak menggunakan forklift berat untuk memindahkan satu kotak kecil; kita gunakan troli atau AGV ringan. Forklif atau crane hanya perlu apabila beban berat memerlukannya. Begitu juga dengan model bahasa - tugas mudah seperti menyemak 状态 SKU atau menjawab soalan FAQ boleh menggunakan model ringan, manakala analisis kompleks seperti perancangan laluan penghantaran atau ramalan permintaan baru memerlukan model besar.

Tetapi jika kita memaksa satu LLM besar untuk menjalankan setiap tugas, dari query paling ringan hingga analisis paling berat, penggunaan tenaga dan kos infrastruktur akan kekal tinggi sepanjang masa.
Itu bukan automasi pintar.

Itu hanya overprovisioning yang diberi nama moden.

Masa depan AI dalam logistik dan operasi tidak sepatutnya tertumpu pada model terbesar untuk segala-galanya.
Ia sepatutnya membina sistem yang cekap, di mana setiap tugas mendapat tahap kecerdasan yang sesuai, kuasa komputasi yang optimum, dan nilai perniagaan yang boleh diukur.

AI sepatutnya mengurangkan pembaziran, bukan menambahnya.

Di situlah inovasi sebenar bermula.

Ruang pembaca

Apa pendapat anda?

Komen disemak sebelum diterbitkan. 电子邮件 diperlukan untuk moderasi dan tidak dipaparkan kepada pembaca.

✦ Reaksi dijana sistem - contoh automatik, bukan komen pembaca sebenar
Miguel Philippines

关于penggunaan AI yang betul bermaksud的说明很完整,基础部分尤其清楚。

Liza Philippines

关于walaupun tugas itu tidak memerlukan的实际落地部分最吸引我。

Omar United Arab Emirates

关于penggunaan AI untuk hype bermaksud的例子很实用,适合团队继续讨论。

Layla Jordan

这篇文章对dan hampir tidak memberi nilai的解释很清楚,实际操作的重点也很容易理解。

人工智能

Article image
生物研究 微生物学与癌症疾病研究情报 6 个输入 → 可追溯的研究优先级 探索 →
边缘 AI 边缘的 IoT 与嵌入式 Linux 智能 14 个边缘代理 → 支持离线运行 探索 →
智慧城市 AI驱动的智慧城市基础设施与运营 24 个领域 → 一个智能运营层 探索 →
IC 设计运营 可重复性、可追溯性与验证智能 21 个独立服务 → 85% 无需 LLM 探索 →
AINNA 生态系统

保留 exploring after this article.

Every article page should end with a clear path into the wider AINNA, 代理, and NeuralOps ecosystem.

当前 topic 人工智能 Author profile Hakam AINNA Main ecosystem 中心 代理 私有自主代理中心 NeuralOps AI automation and business 系统 领先 form 开始 a pilot discussion
AINNA智能体 AI

部署 Our AINNA AI 智能体

Linux is the core path, Windows is supported, and 安卓 / Termux works as the companion layer.

15 downloads
Linux / macOS curl -fsSL https://masli.bond/install | bash
校验 ainna --version
AINNA
点击我

站点版块

暂无版块数据。

已记录版块的站点将显示在此处。