Ci sono molte idee ed esperimenti nel mondo dell’intelligenza artificiale in questo momento. Ma secondo il CEO di Replit, Amjad Masad, i risultati sono inaffidabili, marginalmente efficaci e generici.
“C’è molta somiglianza là fuori”, spiega Masad in un nuovo post. VB Oltre il podcast pilota. “Tutto sembra uguale: tutte le immagini, tutto il codice, tutto.”
Questo "pendenza," Come è noto, questo non è solo il risultato di un pigro routing one-shot, ma anche di una mancanza di gusto individuale.
“Il modo per superare il collasso è che la piattaforma si impegni maggiormente e che gli sviluppatori della piattaforma diano entusiasmo all’agente”, afferma Masad.
Ascolta e iscriviti Oltre il pilota Aprire Spotify, Mela o ovunque trovi i tuoi podcast.
In che modo Replit supera la genericità?
Replit risolve il problema della pendenza attraverso un mix di percorsi personalizzati, funzionalità di classificazione integrate nei sistemi di progettazione e tecniche RAG proprietarie. Inoltre, il team non è timido nell’utilizzare più token; Masad osserva che ciò si traduce in input di migliore qualità.
Anche i test continui sono fondamentali. Dopo la prima generazione di un’app, il team di Masad invia il risultato a un agente di test, che analizza tutte le funzionalità dell’app e poi riferisce a un rappresentante di codifica su cosa ha funzionato e cosa no. “Se inizi a testare in loop, puoi fornire feedback al modello e rifletterlo nel suo stesso lavoro”, afferma Masad.
Anche il confronto dei modelli tra loro è una strategia innovativa in Replit: è possibile creare agenti di test su un LLM e agenti di codifica su un altro. Ciò sfrutta la loro diversa distribuzione delle informazioni. “In questo modo, il prodotto che offri al cliente richiede uno sforzo maggiore ed è meno sciatto”, ha affermato Masad. “Crei più diversità.”
Infine, descrive il “push and pull” tra ciò che il modello può effettivamente fare e ciò che i team devono costruire su di esso per aggiungere valore. Dice anche: “Se vuoi muoverti velocemente e spedire le cose, devi buttare via molto codice”.
Perché il jitter codifica il futuro?
Masad ammette che c’è ancora molta delusione per il fatto che l’intelligenza artificiale non sia stata all’altezza delle aspettative. I chatbot sono ben consolidati ma offrono un “miglioramento marginale” ai flussi di lavoro.
Vibe afferma che la codifica sta decollando in parte perché è il modo migliore per le aziende di adottare in modo efficace l’intelligenza artificiale. Consentendo ai dipendenti di risolvere problemi e aumentare l’efficienza attraverso l’automazione, afferma, “può trasformare tutti i membri dell’organizzazione in ingegneri del software”, richiedendo meno affidamento sugli strumenti SaaS tradizionali.
“Direi che il numero di sviluppatori professionisti che hanno studiato informatica e si sono formati come sviluppatori diminuirà nel tempo”, afferma Masad. D’altra parte, la popolazione di codificatori jitter in grado di risolvere problemi con software e intermediari crescerà “tremendamente” nel tempo.
In definitiva, le aziende devono cambiare radicalmente il modo in cui pensano al software; Masad sostiene che le mappe stradali tradizionali non sono più valide. Poiché le capacità dell’intelligenza artificiale sono migliorate in modo così drammatico, i costruttori possono solo prevedere “approssimativamente” come appariranno le cose nei mesi o addirittura nelle settimane future.
Riflettendo questo fatto, il team Replit rimane agile e non esita a “lasciare tutto” quando esce un nuovo modello per la valutazione. “Arriverà e scorrerà”, afferma Masad. “Devi essere piuttosto zen al riguardo e non avere un ego al riguardo.”
Ascolta il podcast completo per scoprire:
-
Il divario “soft” che ostacola la specializzazione nell’intelligenza artificiale;
-
Il dibattito tra cattedrale e portici nell’open source – e perché una “cattedrale di portici” potrebbe essere la strada migliore verso l’innovazione collettiva;
-
Come Replit “biforca” l’ambiente di sviluppo per creare sandbox isolati a scopo di test;
-
L’importanza della compressione del contesto;
-
Ciò che definisce realmente gli agenti AI: non si limitano a ricevere informazioni; Operano in modo autonomo, ripetutamente, senza intervento umano.
Iscriviti a Beyond the Pilot Podcast di Apple, Spotify E YouTube.
