Os dispositivos de codificação de IA estão melhorando rapidamente. Se você não opera no código, pode ser difícil descobrir quantos pontos estão se transformando, no entanto, o GPT-5 e o Gemini 2.5 tornaram uma coleção totalmente nova de métodos de designer viável para automatizar e, recentemente, o Sonnet 2.4 o fez mais uma vez.
Ao mesmo tempo, várias outras habilidades estão avançando mais gradualmente. Se você estiver utilizando a IA para compor e-mails, provavelmente está obtendo o mesmo valor que fez um ano atrás. Além disso, quando a versão melhora, o item não lucra constantemente- especificamente quando o item é um chatbot que está fazendo um trabalho de vários trabalhos ao mesmo tempo. A IA ainda está fazendo progressão, no entanto, não é tão igualmente dispersa quanto utilizada.
A distinção em andamento é menos complexa do que parece. Os aplicativos de codificação estão ganhando com bilhões de exames convenientemente quantificáveis, que podem educá -los para criar código conveniente. Isso é o apoio ao conhecimento (RL), talvez o maior motorista de veículos da progressão da IA nos 6 meses anteriores e obtenha ainda mais detalhado o tempo todo. Você pode apoiar o conhecimento do Human, no entanto, ele funciona ideal se houver estatísticas claras de falha passada, para que você possa duplicar bilhões de vezes sem precisar obter informações humanas.
À medida que o setor conta progressivamente no apoio à descoberta de itens, estamos vendo uma distinção real entre as capacidades que podem ser classificadas instantaneamente e as que não podem. As habilidades amigáveis ao RL, como fixação de insetos e matemática acessível, estão melhorando rapidamente, enquanto habilidades como criar fazem uma progressão passo a passo.
Em suma, há um espaço de suporte- e está se transformando em um dos elementos mais vitais, por que os sistemas de IA podem e não podem fazer.
Em alguns métodos, o crescimento do aplicativo de software é o tópico ideal para o conhecimento de suporte. Também antes da IA, havia uma sub-disciplina inteira comprometida em avaliar como o aplicativo de software certamente se estressaria-principalmente devido ao fato de que os programadores precisavam garantir que seu código não danifique antes de liberá-lo. Assim também um dos código mais elegante ainda exige viajar através de triagem de dispositivos, triagem de assimilação, triagem de proteção e assim por diante. Os programadores humanos utilizam esses exames de forma consistente para confirmar seu código e, como o supervisor idoso do Google para dispositivos de desenvolvimento me informou recentemente, eles são igualmente benéficos para verificar o código gerado pela IA. Muito mais do que isso, eles servem para o apoio, já que atualmente são integrados e repetíveis em uma grande variedade.
Não há meios simples para confirmar um e-mail bem escrito ou um ótimo feedback de chatbot; Essas habilidades são naturalmente subjetivas e mais difíceis de determinar ao alcance. No entanto, nem todo trabalho cai muito bem em grupos “simples de examinar” ou “difíceis de examinar”. Não temos um pacote de triagem pronta para uso para registros monetários trimestrais ou pesquisas científicas atuariais, no entanto, uma start-up de contabilidade bem capitalizada pode provavelmente construir uma do início. Alguns pacotes de triagem certamente funcionarão muito melhor que outros, certamente, e algumas empresas certamente serão mais inteligentes sobre como chegar perto do problema. No entanto, a testabilidade do procedimento subjacente é mais provável de tomar uma decisão, considere se o procedimento subjacente pode ser feito diretamente em um item prático, em oposição a simplesmente uma demonstração interessante.
Evento do TechCrunch
São Francisco
|
27-29 de outubro de 2025
Alguns procedimentos acabam sendo mais testáveis do que você pode acreditar. Se você certamente me perguntasse recentemente, eu certamente teria colocado o videoclipe gerado pela IA no grupo “difícil de examinar”, no entanto, a tremenda progressão feita pela versão nova Sora 2 da Openai revela que pode não ser tão difícil quanto parece. Em Sora 2, as coisas não mais aparecem e saem de nenhum lugar. Os rostos mantêm sua forma, parecendo um indivíduo em particular, em vez de simplesmente uma coleção de atributos. O vídeo de Sora 2 valoriza as legislações da física em métodos evidentes e refinados. Presumo que, se você olhasse para trás da cortina, certamente localizaria um suporte durável para encontrar um sistema para todas essas altas qualidades. Reunidos, eles fazem a distinção entre o fotorrealismo e uma alucinação agradável.
Para ficar claro, esta não é uma diretriz definida do sistema especialista. É um resultado do principal apoio do dever, o conhecimento está jogando no crescimento da IA, que pode se transformar convenientemente conforme os projetos estabelecem. No entanto, por mais longa que a RL seja o principal dispositivo para trazer para o mercado os itens de IA, o espaço de suporte se expandirá maior-com ramificações graves para as start-ups e a situação econômica enorme. Se um procedimento acabar do lado apropriado do espaço de suporte, as start-ups provavelmente serão bem-sucedidas em automatizá-lo-e qualquer pessoa que faça esse trabalho atualmente possa acabar procurando uma ocupação totalmente nova. A investigação de quais soluções de assistência médica são transíveis de RL, como exemplo, têm ramificações substanciais para a forma da situação econômica nas duas décadas seguintes. E se choques como Sora 2 são algum tipo de sinal, talvez não precisemos esperar uma resposta.
.
Fuente
