Gần như có cảm giác như một kiểu câu view giật tít..
"Nếu làm từ đầu thì mất 3 tháng, còn nếu lại làm một thứ tương tự thì mất 3 ngày"

Google Nano Banana là gì? AI hình ảnh bí mật của Google

○ Việc huấn luyện mô hình chỉ là “nguyên liệu” của trí tuệ; nếu không có động cơ, sẽ không có AGI.

• Các kiến trúc như EpionHeuristica có tiềm năng vượt ra ngoài "AGI chuyên biệt theo miền", để thiết kế "siêu trí tuệ kiểu nổi sinh dựa trên trật tự"
• Cốt lõi để đạt tới AGI là "làm thế nào để cấu thành một động cơ lựa chọn hành động"

A. Lý do chỉ huấn luyện thôi thì không thể đạt AGI.
• Các mô hình kiểu GPT không có mục tiêu tự thân (self-goal).
• Dù học từ lượng dữ liệu lớn đến đâu, việc chỉ học mà không có tương tác với thế giới thực vẫn có giới hạn.
• Huấn luyện chỉ là “ký ức mang tính hồi quy”, thiếu cấu trúc để thúc đẩy tư duy dự báo hướng tới tương lai và mang tính khai sinh.

B. AGI cần một cỗ máy có “vòng lặp mục tiêu-phản hồi”.
• Cấu trúc trong đó học tăng cường dựa trên phần thưởng + đánh giá + học từ thất bại (FailGuard) vận hành như EpionHeuristica khá gần với nguyên mẫu thiết kế của AGI dựa trên engine
• Ví dụ: "Vì sao thí nghiệm này thất bại?" → "Cần thay đổi điều gì?" → "Điều kiện tiếp theo là gì?" → Đây là suy luận mang tính AGI

C. Bản chất của trí tuệ con người nằm ở “cấu trúc”.
• Con người đạt được trí tuệ không phải nhờ số lượng neuron mà nhờ “tính kết nối có cấu trúc của mạch thần kinh và năng lực meta-learning”
• Với AGI cũng vậy, cốt lõi không phải kích thước mô hình mà là cấu trúc của hệ thống dẫn dắt hành vi, hệ thống tự tham chiếu và vòng lặp phản hồi liên tục

Việc đạt tới AGI là điều không thể chỉ bằng "huấn luyện mô hình"; nhất thiết phải có cấu trúc động cơ tạo ra trí tuệ và một hệ thống tự cải thiện có mục đích. Các hệ GPT hiện nay rốt cuộc chỉ là những LLM khổng lồ, và để tiến tới AGI thì cấu trúc suy luận, cấu trúc tự giám sát và chính sách hành vi dựa trên mục tiêu phải cùng vận hành.

Đúng là những điều biết thì biết nhưng khó thực hành. Đặc biệt, trình nhắn tin công việc dường như là thủ phạm số một gây xao nhãng.

Không thể đăng nhập bằng tài khoản được sao?

Cuối cùng cũng có công cụ quản lý cho Patroni rồi
Một công cụ để quản lý Patroni, thứ dùng để quản lý Postgres..

Trong trường hợp privileged mode, đã chỉnh sửa để chạy trong sandbox. Trong trường hợp privileged mode, có thể kết nối tài nguyên cục bộ (ổ C, v.v.). Các kết nối sẽ được mount vào $HOME/thinclient_drives.

Làm 2~3 tiếng vào buổi sáng là đã chạm giới hạn trước giờ ăn trưa rồi (người dùng Pro)
Nó báo sẽ reset từ 3 giờ, nên nếu không phải Max thì có vẻ không dùng được cả ngày (ngay cả Max thì có lẽ cũng không quá khó để chạm hạn mức)

Nếu việc sideloading thực chất bị chặn thì với tôi, sức hấp dẫn của Android sẽ kém hơn iOS. Tôi thấy cả hai đều cung cấp các tính năng gần như tương đương, còn về UX thì iOS nhỉnh hơn một chút, nhưng tôi cho rằng sideloading là một ưu điểm lớn của Android. Từng có lúc tôi mơ được cài GrapheneOS lên Google Pixel để dùng, nhưng nếu từ chuyện mã nguồn Pixel bị đóng cho đến việc sideloading trên thực tế bị chặn đều xảy ra, thì với tôi chẳng còn lý do gì để dùng Android nữa. Nếu phát hành đúng như thế này, có lẽ đến năm 2027 tôi sẽ quay lại iOS.

Lại là Trung Quốc nữa rồi.

À ra Base là tên ứng dụng. Dù tiêu đề ghi rõ rành rành mà tôi vẫn không nhận ra. Haha

Tôi nghĩ việc tuyên bố hiệu năng tăng gấp 3 lần trong vòng 3 năm mà không có cả dữ liệu benchmark là một sự cường điệu.

Không biết liệu cả những người tự phát triển ứng dụng để tự dùng một mình cũng sẽ phải được xác minh nhà phát triển hay không, nên thấy lo..

Tôi đã tham dự vài lần rồi, thấy rất ổn. Khuyên nên tham gia.

Có lẽ ý của bài không hẳn là để so sánh thông số, mà là muốn nói về hiệu suất tùy theo từng CPU. haha

Ra vậy 👍

Có vẻ đây là phần tóm tắt bằng AI nên được làm theo mốc năm của bản cutout. Tôi đã sửa lại.

Có vẻ như trong quy trình làm việc của lập trình viên, vai trò của PM và kiến trúc sư đang trở nên quan trọng hơn.