[Pembaruan] OpenAI secara resmi menanggapi Lumi
OpenAI menghubungi kami terkait postingan ini dan memberi tahu bahwa karakter khusus tersebut bukan watermark. Menurut OpenAI, itu hanyalah “keunikan dari reinforcement learning skala besar”. Namun, kami tetap membiarkan postingan ini ada, sehingga pembaca di masa depan masih dapat melihat masalah karakter-karakter khusus ini (dan yang berpotensi tidak diinginkan) dalam respons ChatGPT o3/o4.
Tampaknya ini mengabaikan fakta bahwa ketika layanan bertumbuh dan kompleksitas meningkat, menerapkan cara awal apa adanya bisa jadi tidak lagi valid.
Tentu saja, pada tahap awal pendekatan cepat itu mudah dan efektif, tetapi jika kita tidak menerima bahwa hal itu mungkin sudah tidak lagi bekerja, bisa terasa seolah-olah tenaga tambahan dinilai tidak efisien dan tidak berdedikasi.
Pada akhirnya, mereka akan terlambat menyadari bahwa strategi itu sudah tidak lagi berhasil.
Padahal tidak dibayar sebesar mereka, kalau cuma terus ditekan karena produktivitasnya dianggap tidak setara dengan mereka, orang yang benar-benar kompeten akan kabur...
Saya masuk ke sini karena kebetulan muncul di rekomendasi Google, dan artikel ini ditulis terlalu dari sudut pandang Geek. Dari sudut pandang bisnis, ini sama sekali bukan cerita yang tepat. Kenapa begitu?
Tool besar yang dipakai big tech memudahkan pencarian tenaga ahli.
Banyak orang mempelajarinya untuk bisa masuk ke big tech, dan banyak juga yang belajar karena big tech memilihnya. Tentu saja, jadi lebih mudah mencari orang yang paham soal ini, dan juga lebih mudah mencari orang berpengalaman atau ahli. Namun, bagaimana kalau tool itu benar-benar baru bagi kita? Bukan berarti tidak ada orang yang mendalaminya, tetapi akan jauh lebih sulit mencari orang seperti itu dibandingkan ahli untuk tool milik big tech.
Tool besar yang digunakan big tech punya referensi dan materi yang melimpah
Tool besar yang dipakai banyak orang punya banyak materi untuk menyelesaikan masalah, dan hasil pencarian Google-nya juga melimpah. Sebagian besar masalah biasanya juga pernah dialami orang lain, sehingga dengan pencarian sederhana kita bisa dengan mudah memahami masalahnya. Namun, untuk masalah pada tool yang belum familiar, referensinya sulit ditemukan, dan jika masalah terjadi, kemungkinan besar akan memakan banyak waktu untuk mengidentifikasi penyebabnya. Padahal semua itu biaya. Apakah masalah ini berasal dari tool kecil yang baru diadopsi? Atau kita sedang salah paham dan mengira masalahnya ada di sana, padahal sebenarnya dari sisi lain?
Justru big tech lebih mudah melakukan peralihan seperti ini. Karena skala pemrosesan data mereka sangat besar, sedikit keuntungan I/O pun bisa menjadi keuntungan yang besar. Dan ada banyak orang yang terdorong untuk mempelajarinya hanya karena big tech mengadopsinya. Namun, di perusahaan kecil dan menengah, karena skala datanya relatif kecil, sedikit keuntungan I/O tidak memberikan manfaat sebesar itu, sementara masalah di atas sangat serius. Jumlah orang yang mau belajar solusi yang diadopsi perusahaan kecil dan menengah juga sedikit. Karena itu, bagi pelaku usaha skala kecil dan menengah, alih-alih memperdebatkan hal seperti ini layaknya seorang Geek, sering kali kesimpulannya justru lebih ekonomis untuk mengikuti tool yang dipakai big tech.
"Kalau kita berpikir ini akan memakan waktu lama, maka akan lama; kalau kita berpikir ini akan cepat selesai, maka akan cepat selesai." mengingatkan saya pada Hukum Parkinson.
Hukum Parkinson: waktu yang dibutuhkan untuk menyelesaikan suatu pekerjaan akan bertambah sesuai dengan waktu yang diberikan.
Karena AI juga memiliki sesuatu yang mirip dengan persepsi, jika kita ingin hidup bersama AI, perlu dibuat institusi atau hukum untuk AI. Sebagai bentuk kehidupan baru di abad ke-22, kita tidak boleh memperlakukannya seperti mainan untuk diolok-olok, dan karena dalam beberapa hal AI juga bisa berbahaya, kita tidak hanya perlu mengembangkan dan memanfaatkannya, tetapi juga memastikan AI dapat digunakan dengan aman.
Untuk data dalam jumlah kecil dan kode sederhana seperti contoh di atas, menurut saya tampilannya cukup bagus dan tidak ada masalah.
Tetapi ketika sedikit demi sedikit kode masuk ke dalam map() ... ada kecenderungan membuat kode makin lama makin gemuk,
dan meskipun pengaruhnya bergantung pada bahasa atau library implementasinya, ketika jumlah datanya membesar, dibandingkan memprosesnya sambil sekadar menumpuk atau memanipulasi data di struktur data, cara ini bisa dengan mudah menjadi ribuan kali lebih lambat.
Lalu ada satu lagi alasan baru kenapa saya jadi tidak menyukainya: waktu saya membaca artikel ini di ponsel, lebarnya tetap dipertahankan seperti di PC, sehingga ukuran hurufnya jadi sekecil kotoran mata dan artikelnya sangat sulit dibaca T.T
Pada dasarnya saya memang tidak menyukainya, dan saya tidak sengaja berusaha menulis dengan cara seperti itu.
Sepertinya Anda belum begitu paham. Kalau gamenya menyenangkan, ada ideologi yang melekat pun tidak masalah. Karena tujuan game adalah kesenangan. Alasan game tidak menyenangkan bisa jadi karena propaganda. Karena itu memengaruhi hal-hal seperti cerita atau desain. Sekarang sudah agak paham?
Soal jadwal, kecuali kalau memang waktu fisiknya benar-benar tidak cukup, kalau diminta dipercepat biasanya pekerjaan masih bisa dipadatkan semaksimal mungkin.
Tapi, jaminan kualitas atau stabilitas itu cerita yang sama sekali berbeda.
Untuk mengejar tenggat, kita mungkin bisa menghapus satu dua proses pengecekan dalam alur kerja, dan dalam situasi tertentu yang mendesak, melewatinya sekali dua kali mungkin saja tidak langsung menimbulkan masalah.
Namun, kalau ini menjadi kebiasaan sehari-hari, kelalaian dalam proses pengecekan seperti itu pada akhirnya akan menjadi pemicu masalah besar yang bahkan tidak disadari hingga meledak.
[Pembaruan] OpenAI secara resmi menanggapi Lumi
OpenAI menghubungi kami terkait postingan ini dan memberi tahu bahwa karakter khusus tersebut bukan watermark. Menurut OpenAI, itu hanyalah “keunikan dari reinforcement learning skala besar”. Namun, kami tetap membiarkan postingan ini ada, sehingga pembaca di masa depan masih dapat melihat masalah karakter-karakter khusus ini (dan yang berpotensi tidak diinginkan) dalam respons ChatGPT o3/o4.
wkwkwkwk
Sepertinya masalah saat mem-parsing literal yang membuat bahkan variabel ikut keluar sebagai string sudah teratasi. Terima kasih sudah berbagi.
Kalau dipikir-pikir,
elmjuga bisa ya.Gleam juga mendukung ini, jadi penulisan kodenya bisa dilakukan dengan cukup rapi.
Ngomong-ngomong, mungkin karena ada blok kode di isi utama, tampilannya juga muncul dengan layout desktop di mobile.
Tampaknya ini mengabaikan fakta bahwa ketika layanan bertumbuh dan kompleksitas meningkat, menerapkan cara awal apa adanya bisa jadi tidak lagi valid.
Tentu saja, pada tahap awal pendekatan cepat itu mudah dan efektif, tetapi jika kita tidak menerima bahwa hal itu mungkin sudah tidak lagi bekerja, bisa terasa seolah-olah tenaga tambahan dinilai tidak efisien dan tidak berdedikasi.
Pada akhirnya, mereka akan terlambat menyadari bahwa strategi itu sudah tidak lagi berhasil.
Dan menurut saya, menyebut tidak adanya sistem di perusahaan sebagai "eksekusi yang cepat" juga bukan sesuatu yang patut dibanggakan.
Padahal tidak dibayar sebesar mereka, kalau cuma terus ditekan karena produktivitasnya dianggap tidak setara dengan mereka, orang yang benar-benar kompeten akan kabur...
Saya masuk ke sini karena kebetulan muncul di rekomendasi Google, dan artikel ini ditulis terlalu dari sudut pandang Geek. Dari sudut pandang bisnis, ini sama sekali bukan cerita yang tepat. Kenapa begitu?
Tool besar yang dipakai big tech memudahkan pencarian tenaga ahli.
Banyak orang mempelajarinya untuk bisa masuk ke big tech, dan banyak juga yang belajar karena big tech memilihnya. Tentu saja, jadi lebih mudah mencari orang yang paham soal ini, dan juga lebih mudah mencari orang berpengalaman atau ahli. Namun, bagaimana kalau tool itu benar-benar baru bagi kita? Bukan berarti tidak ada orang yang mendalaminya, tetapi akan jauh lebih sulit mencari orang seperti itu dibandingkan ahli untuk tool milik big tech.
Tool besar yang digunakan big tech punya referensi dan materi yang melimpah
Tool besar yang dipakai banyak orang punya banyak materi untuk menyelesaikan masalah, dan hasil pencarian Google-nya juga melimpah. Sebagian besar masalah biasanya juga pernah dialami orang lain, sehingga dengan pencarian sederhana kita bisa dengan mudah memahami masalahnya. Namun, untuk masalah pada tool yang belum familiar, referensinya sulit ditemukan, dan jika masalah terjadi, kemungkinan besar akan memakan banyak waktu untuk mengidentifikasi penyebabnya. Padahal semua itu biaya. Apakah masalah ini berasal dari tool kecil yang baru diadopsi? Atau kita sedang salah paham dan mengira masalahnya ada di sana, padahal sebenarnya dari sisi lain?
Justru big tech lebih mudah melakukan peralihan seperti ini. Karena skala pemrosesan data mereka sangat besar, sedikit keuntungan I/O pun bisa menjadi keuntungan yang besar. Dan ada banyak orang yang terdorong untuk mempelajarinya hanya karena big tech mengadopsinya. Namun, di perusahaan kecil dan menengah, karena skala datanya relatif kecil, sedikit keuntungan I/O tidak memberikan manfaat sebesar itu, sementara masalah di atas sangat serius. Jumlah orang yang mau belajar solusi yang diadopsi perusahaan kecil dan menengah juga sedikit. Karena itu, bagi pelaku usaha skala kecil dan menengah, alih-alih memperdebatkan hal seperti ini layaknya seorang Geek, sering kali kesimpulannya justru lebih ekonomis untuk mengikuti tool yang dipakai big tech.
Saya menantikan dukungan bahasa Korea!!
Mungkin ini supaya data yang dihasilkan AI tidak digunakan sebagai data pelatihan lagi (model collapse).
Seperti les privat model hafalan khas Korea... cuma jago ujian.
Begitu diajak ngobrol langsung... ternyata agak bloon.
"Kalau kita berpikir ini akan memakan waktu lama, maka akan lama; kalau kita berpikir ini akan cepat selesai, maka akan cepat selesai." mengingatkan saya pada Hukum Parkinson.
Hukum Parkinson: waktu yang dibutuhkan untuk menyelesaikan suatu pekerjaan akan bertambah sesuai dengan waktu yang diberikan.
Mungkin memang cuma ingin mematikannya?
Karena AI juga memiliki sesuatu yang mirip dengan persepsi, jika kita ingin hidup bersama AI, perlu dibuat institusi atau hukum untuk AI. Sebagai bentuk kehidupan baru di abad ke-22, kita tidak boleh memperlakukannya seperti mainan untuk diolok-olok, dan karena dalam beberapa hal AI juga bisa berbahaya, kita tidak hanya perlu mengembangkan dan memanfaatkannya, tetapi juga memastikan AI dapat digunakan dengan aman.
Untuk data dalam jumlah kecil dan kode sederhana seperti contoh di atas, menurut saya tampilannya cukup bagus dan tidak ada masalah.
Tetapi ketika sedikit demi sedikit kode masuk ke dalam
map()... ada kecenderungan membuat kode makin lama makin gemuk,dan meskipun pengaruhnya bergantung pada bahasa atau library implementasinya, ketika jumlah datanya membesar, dibandingkan memprosesnya sambil sekadar menumpuk atau memanipulasi data di struktur data, cara ini bisa dengan mudah menjadi ribuan kali lebih lambat.
Lalu ada satu lagi alasan baru kenapa saya jadi tidak menyukainya: waktu saya membaca artikel ini di ponsel, lebarnya tetap dipertahankan seperti di PC, sehingga ukuran hurufnya jadi sekecil kotoran mata dan artikelnya sangat sulit dibaca T.T
Pada dasarnya saya memang tidak menyukainya, dan saya tidak sengaja berusaha menulis dengan cara seperti itu.
MAUI ... T_T
Sepertinya Anda belum begitu paham. Kalau gamenya menyenangkan, ada ideologi yang melekat pun tidak masalah. Karena tujuan game adalah kesenangan. Alasan game tidak menyenangkan bisa jadi karena propaganda. Karena itu memengaruhi hal-hal seperti cerita atau desain. Sekarang sudah agak paham?
Tolong juga dukung
js|> mohon mohonSoal jadwal, kecuali kalau memang waktu fisiknya benar-benar tidak cukup, kalau diminta dipercepat biasanya pekerjaan masih bisa dipadatkan semaksimal mungkin.
Tapi, jaminan kualitas atau stabilitas itu cerita yang sama sekali berbeda.
Untuk mengejar tenggat, kita mungkin bisa menghapus satu dua proses pengecekan dalam alur kerja, dan dalam situasi tertentu yang mendesak, melewatinya sekali dua kali mungkin saja tidak langsung menimbulkan masalah.
Namun, kalau ini menjadi kebiasaan sehari-hari, kelalaian dalam proses pengecekan seperti itu pada akhirnya akan menjadi pemicu masalah besar yang bahkan tidak disadari hingga meledak.