هذه الفترة حقًا أُعذبت من قبل الذكاء الاصطناعي بشكل مزعج. قبل أيام، رغبت في إنشاء سير عمل "تنظيم البيانات تلقائيًا + توليد المحتوى تلقائيًا". الآن، كل يوم يُروج على الإنترنت عن وكلاء الذكاء الاصطناعي، والأتمتة، والمستقبل منخفض الكود، وكنت أعتقد في البداية أن هذا الشيء يجب أن يكون بسيطًا ويمكن تشغيله بسهولة.

لكن عندما بدأت فعليًا في العمل، دخلت مباشرة في وضع التصحيح اللامتناهي.
هذه المطالبات غير صحيحة، أكتبها بطريقة مختلفة. خرج Claude بشكل عام جدًا، فغيرته إلى GPT. عندما كانت منطق GPT صحيحة، كانت التنسيقات غير مناسبة. ثم استمر في تغيير الأدوات، وإضافة القواعد، وتعديل سير العمل. أحيانًا أجد نفسي لا أميز، هل أنا فعلاً "أصنع محتوى" أم "أدرب الذكاء الاصطناعي"؟
وهذا النوع من الأمور يسبب ضغطًا نفسيًا كبيرًا.
نفس الأداة، هناك من ينجح في إعدادها خلال عشر دقائق، وأنا أحيانًا أقضي ساعتين أراجع فيها نتيجة واحدة ذهابًا وإيابًا. تلك المهارات ذات النجوم العالية على الإنترنت، تبدو قوية جدًا، لكن عند تطبيقها على سيناريوهاتنا، كثيرًا منها لا يعمل بسلاسة.
تقوم بنسخها، وفي النهاية عليك تعديلها تدريجيًا بنفسك.
حتى أنني فكرت مؤخرًا في استئجار شخص متخصص لبناء سير العمل لي. لكن بعد التفكير، أدركت أن الفرق الصغيرة جدًا في الفريق يكون محرجًا. توظيف شخص يفهم الذكاء الاصطناعي، تكلفته ليست قليلة؛ والتواصل معه، وشرح المتطلبات، والتكرار في التعديلات، أحيانًا يكون مرهقًا أكثر من العمل بنفسك.
لاحقًا، بدأت أكتشف أن المشكلة الأكبر في الذكاء الاصطناعي الآن ليست "قلة الذكاء".
بل أن الناس العاديين، لكي يستخدموا الذكاء الاصطناعي بشكل جيد، يحتاجون إلى تعلم الكثير من الأمور الإضافية.
عليك أن تدرس المطالبات، وتفاصيل النماذج، وتتعلم المهارات، وتفهم سير العمل، وتعرف أي أداة تناسب أي مهمة. الجزء الحقيقي من العمل لا يتعدى جزءًا من الوقت، ومعظم الجهد يُصرف على "جعل الذكاء الاصطناعي يعمل بشكل طبيعي".
لذا، مؤخرًا، عندما جربت @dappOS_com的 و @xbubble_xyz، شعرت أن أفكارهما مختلفة جدًا.
العديد من منتجات الذكاء الاصطناعي الآن تُعلم المستخدمين: كيف تكتب المطالبات، كيف تبني سير العمل، كيف تضبط الوكيل.
لكن xBubble يبدو أنه يقوم بشيء آخر:
"الذكاء الاصطناعي يتعلم من الذكاء الاصطناعي، والذكاء الاصطناعي يستخدم الذكاء الاصطناعي".
أكثر شيء شعرت به من تجربتي هو أنه لم يعد هناك حاجة للقلق المستمر حول "أي نموذج يجب أن أستخدم في هذه الخطوة".
كل ما عليك هو إبلاغه بما أريده.
سيقوم Bubble Pilot بتحديد نوع المهمة تلقائيًا، ثم يوزعها بشكل تلقائي على إجراءات التشغيل القياسية (SOP) ومسارات التنفيذ المناسبة. وإذا لم تكن هناك SOP جاهزة، فإنه يعود تلقائيًا إلى الوكيل العام.
الأهم من ذلك، أن محرك Bubble في الخلفية يستمر في التعلم.
أي النماذج مناسبة لأي مهمة، وأي مجموعات أدوات أكثر استقرارًا، وأي سير عمل يحقق معدلات نجاح أعلى، هذه الأمور التي كانت تتطلب جهدًا كبيرًا، أصبحت الآن تُترك للذكاء الاصطناعي ليعالجها بنفسه.
هذه التجربة في الواقع ممتعة جدًا.
لأنه في السابق، لم يكن الذكاء الاصطناعي غير قادر على العمل، بل كان المستخدمون يضطرون لتعليم الذكاء الاصطناعي كيف يعمل، حتى أصبحوا شبه مبرمجين.
خصوصًا مع نمط Bubble Computer، الذي أثر فيّ بشكل عميق.
في السابق، عند تنفيذ مهمة كاملة، كنت أحتاج إلى فتح عدة نوافذ: البحث عن المعلومات، التنظيم، كتابة المحتوى، التدقيق، ثم الإخراج.
أما الآن، فهو يقوم بتنفيذ كامل سلسلة العمل بنفسه.
حتى وضعية Bubble Personal المحلية، التي تتيح التحكم المباشر في ملفات الجهاز والمتصفح، تبدو مثيرة للاهتمام، لكن المستخدم لا يحتاج إلى إعداد بيئة العمل بنفسه.
أشعر أكثر فأكثر أن الذكاء الاصطناعي الجيد في المستقبل لا ينبغي أن يجعل الناس العاديين يتعبون أكثر.
بل أن يتعلم الذكاء الاصطناعي كيف يستخدم الذكاء الاصطناعي بنفسه.
المستخدم فقط يحتاج إلى إبلاغه بالهدف، والباقي يُترك للنظام.