Ora guardando i risultati del team, le parti fatte bene non si chiederanno se le hai scritte tu o se sono state scritte da AI; in realtà, la vera abilità è saper collaborare con AI per creare buone cose; al contrario, se una persona non riesce nemmeno a scrivere bene collaborando con AI, è praticamente come non saper insegnare.

Zhang Xiaojun ha posto una domanda a Yang Zhilin durante un'intervista: "Volete realizzare un modello generale piuttosto che un modello di coding, giusto?" Questa domanda riflette più profondamente come gli utenti percepiscano un nuovo prodotto AI, compresi tutti i modelli di grandi dimensioni e agenti o altre forme di prodotto, l'uso, la migrazione, fino a formare abitudini, in realtà è molto sfocato. Spesso, un'eccellente prestazione in un settore specifico attira gli utenti, e una capacità generalizzata/universalizzata che raggiunge il punteggio di 60 può trattenere gli utenti. Questo è particolarmente evidente quando uso perplexity e GPT: perplexity è migliore di chatGPT nella capacità di ricerca di mercato (in termini di velocità); e nelle prestazioni pratiche come la ricerca/redazione nella casella di posta di Google è migliore del Gemini di Google stesso. È proprio in una serie di compiti di confronto casuali che le prestazioni di perplexity superano quelle di altri modelli generali, aumentando la mia frequenza d'uso. Lo stesso vale per altri prodotti AI: la discussione su modelli o non modelli, a mio avviso, è un po' superata, o almeno non è una questione su cui riflettono i costruttori di prima linea. Ciò su cui si riflette è sicuramente il punto di ingresso, il punto di adesione. Affrontare piccoli problemi e piccoli scenari uno alla volta, circondando le città, perplexity può essere più utile di GPT e Gemini.

Speriamo di condividere molto presto le nostre buone notizie sulla commercializzazione dell'AI 🤌