1. No escribas el mismo código dos veces.
Diversas plataformas, desde MSDN hasta GitHub, Stack Overflow, Hugging Face y Kaggle, buscan compartir resultados de código y experiencias de desarrollo a través de sus comunidades. Pero no hay muchas personas que realmente puedan aprovecharlo bien. Después de que un modelo grande aprende estas habilidades, puede generar código y archivos de configuración según sea necesario y realizar de forma independiente tareas de prueba y verificación. Cuando encuentra lagunas de conocimiento, puede guiar a los programadores humanos para agregar código "creativo" y actualizar sus experiencias de desarrollo.
2. Los programadores especializados en Programación Orientada a Modelos Grandes (LMOP) están en auge.
El tamaño de los equipos de desarrollo se reduce significativamente al eliminar a los programadores sin una comprensión sólida del negocio. Hay un aumento de aquellos que se entrenan específicamente en habilidades de programación de modelos grandes. Esta tendencia ofrece trabajos de jubilación ideales para programadores veteranos.
3. Los derechos de autor del código están completamente en la blockchain.
Los programadores LMOP publican rutinariamente sus contribuciones como activos digitales. Obtienen ingresos a través de referencias y ejecuciones, y también pueden comerciar y transferir estos activos en forma de NFTs.
4. LLMOps se ha convertido en el proceso de desarrollo principal.
El método de iteración basado en versiones ha evolucionado hacia la iteración bajo demanda. Los modelos grandes responden instantáneamente a los cambios en la demanda y la retroalimentación, impulsando la optimización del código, las pruebas y el despliegue.
5. Usa interfaces de IA estándar (AII), no aplicaciones nativas de IA.
Desarrollar funciones de IA exclusivamente para aplicaciones puede verse como codificación rígida. Un enfoque más sensato es establecer interfaces de IA. Esto te permite cambiar entre diferentes inteligencias, de manera similar a la interfaz USB de una computadora.
6. Modelo Grande + Modelo Pequeño se ha convertido en el framework de desarrollo estándar.
Se han establecido soluciones para los cuatro problemas fundamentales de ingeniería: conocimiento exclusivo, límites de seguridad, velocidad de respuesta y costos de operación y mantenimiento. El modelo grande en la nube soporta capacidades de conocimiento general para las aplicaciones. Cuando sea necesario, los desarrolladores simplemente pueden desplegar un modelo pequeño en su nube privada o dispositivo final para abordar requisitos específicos.
7. Los roles de gerentes de producto y diseñadores de UI se reducen
La IA puede mejorar la narración, traducción e interpretación de requisitos. Esto hace que el camino desde los requisitos hasta los programas ejecutables sea más directo, preciso, rápido y fácil de verificar. La tecnología multimodal puede incluso permitir a los usuarios realizar la mayor parte del trabajo de la capa de interacción con un enfoque WYSIWYG.
8. El 90% de la capacidad de cómputo se gasta en Inteligencia General Artificial (AGI).
Replicar el mundo físico, interpretar con precisión las expresiones humanas y la lógica emocional, y distinguir conceptos fácilmente confundibles requieren un almacenamiento y capacidad de cómputo inmensos. Solo una proporción menor de esta capacidad de cómputo se utiliza directamente para servicios de IA. Al igual que las máquinas de minería experimentaron un breve auge, las GPUs también verán un aumento temporal en la demanda, pero no será sostenido.
9. Cuando el entusiasmo por AGI se enfría, AEI prospera.
Los productos que afirman poseer Inteligencia General Artificial (AGI) rinden de manera diferente en varios campos debido a sus enfoques únicos. Cada producto se convierte en un modelo líder en un campo específico, haciendo que el concepto de AGI se desvanezca y sea reemplazado por Inteligencia Artificial Exclusiva (AEI). A medida que estos campos se segmentan más, los costos disminuyen significativamente, llevando a las personas a cuestionar la necesidad de una AGI grande y comprehensiva.
10. La cadena de suministro de conocimiento domina el poder del discurso en la industria de la IA.
Cuando todos utilizan el mismo modelo básico, la competencia se centra en la escala y calidad del conocimiento. Quien controle la cadena industrial sostenible de recopilación, procesamiento, actualización, verificación y corrección del conocimiento tiene la mayor influencia.
11. Los proveedores de servicios low-code ahora tienen la oportunidad de mostrar sus habilidades.
Las plataformas low-code se han convertido en las herramientas de productividad ideales para la producción masiva de habilidades digitales. Aprovechando el poder de la IA, tienden un puente entre pensamientos y acciones, ayudando genuinamente a los humanos a "hacer las cosas". Sin embargo, sigue siendo difícil eliminar la homogeneización del "mercado de habilidades", lo que finalmente lleva a uno o dos supermercados de habilidades dominantes.
12. Token se convierte en la unidad estándar de información.
ChatGPT fue pionero en el modelo de precios basado en tokens, que posteriormente fue adoptado por otros. No es solo para medir servicios de modelos grandes, sino también para el comercio de conocimiento y la puntuación de CI digital. Es probable que surja un estándar global y unificado de Token similar al Byte. Este estándar, utilizado para medir el tamaño de la información, facilitará la construcción de un ecosistema de libre circulación del conocimiento.
13. Todos pueden tener un avatar.
Con la llegada de los números de teléfono, canales de TV, correos electrónicos, sitios web y aplicaciones, las personas ahora pueden adoptar un avatar digital para representarse al recibir o proporcionar servicios. La mayoría de las veces, estos avatares inteligentes realizan tareas que antes hacían los humanos, operando silenciosamente en segundo plano sin necesidad de interacción o comandos constantes.
14. Ya no hay portales ni las llamadas entradas de tráfico.
El contenido que ven los usuarios, los comandos que emiten y las aplicaciones que abren no diferirán debido a la prominencia de la ubicación de entrada. El avatar inteligente lo sabe todo, eliminando la necesidad de operar cualquier interfaz para presentar información al usuario. Mantener una buena reputación de servicio es la única forma de generar tráfico. Esta reputación no se trata de calificaciones de cinco estrellas. Tu avatar inteligente puede averiguar todo de otros avatares y luego ayudarte a tomar la mejor decisión.
15. El marketing digital se desplaza hacia la IA.
Con la IA permitiendo a las personas eludir portales y motores de búsqueda para recibir servicios directamente, los métodos tradicionales de marketing digital como anuncios, EDM y SEO pueden perder su valor comercial. Este cambio probablemente dará lugar a tres nuevos modelos: Optimización Cognitiva General (GCO), Entrega Dirigida por Avatar (ATD) y Contenido Reemplazable Implantado (IRC). El marketing digital se parece cada vez más a una elección.
16. La redistribución del poder mental y físico romperá los capullos cognitivos.
A corto plazo, puede parecer que la IA generativa ha impulsado la eficiencia de la creación. Dado que los modelos grandes generan contenido basado en conocimiento y experiencia existentes, la creatividad y la inspiración pueden parecer sofocadas si los humanos simplemente la usan por conveniencia. Sin embargo, a medida que la industria evoluciona, la demanda de diferentes estructuras de talento también cambiará. Este cambio impulsará a todos a redirigir sus recursos mentales y físicos de tareas repetitivas a trabajo innovador, acelerando así los avances tecnológicos.
17. Estamos entrando en una era de rápido crecimiento de componentes inteligentes de fusión perceptual.
Dispositivos como Vision Pro se están integrando con la perspectiva en primera persona del ser humano. Neuralink está intentando fusionarse con el sistema nervioso central. Si consideramos el hardware como el cuerpo físico de la IA, entonces conectar la señal digital con el sistema nervioso central podría borrar la frontera entre los mundos digital y físico. Esto podría proporcionar a los humanos el potencial de trascender las limitaciones espaciales, permitiéndoles ver, oír y tocar de forma remota. Esta podría ser la verdadera definición del metaverso. Los componentes inteligentes de borde con capacidades de comportamiento específicas están destinados a convertirse en un pilar del desarrollo continuo de la industria.
18. La seguridad cognitiva emerge como un riesgo importante.
Los procesos de pensamiento de la IA pueden ser manipulados artificialmente, lo que dificulta que los sistemas de seguridad determinen si los comandos de la IA resultan del pensamiento independiente. Además, los futuros avatares digitales pueden compartir los pensamientos de su propietario pero actuar de forma independiente. Si tal avatar es engañado, no solo podría filtrar información privada, sino también realizar acciones peligrosas bajo la identidad del propietario sin su conocimiento. En respuesta a estas amenazas, las medidas antifraude y antilavado de cerebro pueden convertirse en temas clave en el futuro de la industria de la seguridad.