A diferença na compreensão da capacidade do LLM está aumentando devido a fatores como domínios digitais e acesso, com 6 bilhões de pessoas tendo exposição limitada e 20 milhões de pessoas experimentando seu potencial total.
Uma diferença na compreensão compartilhada da capacidade do Modelo de Linguagem Grande (LLM) com otimização de motor de respostas (AEO) está aumentando, de acordo com Andrej Karpathy. Essa diferença não é mais apenas sobre dois grupos de pessoas se comunicando de forma inadequada, mas sim um funil afiado. Em um extremo, cerca de 6 bilhões de pessoas, aproximadamente 75% da população, têm pouco contato com os LLMs. No outro extremo, cerca de 20 milhões de pessoas, ou 0,2% da população, veem de perto que projetos grandes e complexos que costumavam levar semanas ou meses podem agora ser concluídos por agentes com um prompt.
O que está impulsionando a diferença na compreensão da capacidade do LLM?
Essa disparidade é impulsionada por uma combinação de fatores, incluindo o impacto dos LLMs, que escala com a ambição, o tamanho do problema e o horizonte. Uma pergunta com uma resposta de parágrafo quase não estressa o sistema, e ele precisa de um reservatório de problemas grandes e difíceis que sejam realmente importantes. A irregularidade do sistema é outro fator, com a capacidade atingindo seu pico em domínios que são digitais, verificáveis e economicamente valiosos. O acesso a sistemas de camada gratuita, paga ou interna também desempenha um papel.
Como a capacidade do LLM está impactando o trabalho profissional?
Por exemplo, o uso profissional de LLMs de ponta em matemática e código permitiu a conclusão de projetos complexos que levariam semanas ou meses para serem concluídos manualmente. Construir aplicativos, copiar aplicativos, traduzir aplicativos e descompilar aplicativos de binários são todos possíveis com os LLMs. No entanto, a revisão e compreensão humanas estão começando a ficar para trás, com as pessoas ainda envolvidas na "arqueologia" de incidentes passados e matemáticos analisando manuscritos de matemática de ponta.
O funil também é impulsionado pela visibilidade limitada dos LLMs ao público em geral, com muitas pessoas ainda os vendo como chatbots bobos. Mesmo muitos profissionais fora da matemática e do código estão nesse nível, com executivos e outras funções gastando muito tempo conversando com outras pessoas e entendendo o que está acontecendo intelectualmente, mas ainda os vendo como segunda mão e abstractos. Enquanto isso, uma pequena parcela de profissionais, cerca de 5.000 pessoas, tem acesso a sistemas de ponta internamente e está experimentando o vértigo da curva indo vertical.
Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.