گفتگو با گو یو: وقتی نرم‌افزار به اندازه شیر ارزان است، چه چیزی باید ارائه دهیم؟

نویسنده: indigo

یوتیوب: INDIGO Digital Mirror

مهمان: گو یو، کارمند سابق ارشد در بایت‌دنس / برنامه‌نویس بازنشسته

این مقاله به دنبال رشته‌ای از یک گفت‌وگو است که به گذشته بایت‌دنس و تحول نقش مهندس، از Agent OS تا لایه‌بندی و تجاری‌سازی هوش، پرداخته و در نهایت به موضوعی به ظاهر دور اما در حال حاضر رسیده می‌رسد: وقتی کار دیگر ضرورتی در زندگی نیست، ما، به‌ویژه جوانان، چگونه باید زندگی کنیم؟

در سال 2015، گو یو برای اولین بار با محصولات مبتنی بر شبکه‌های عصبی در بایت‌دنس آشنا شد؛ ده سال بعد، او به تنهایی در توکیو بیش از سی محصول با استفاده از Agent ایجاد کرد و در نهایت به خستگی شغلی دچار شد. در این قسمت از INDIGO TALK، ما با بحث در مورد چگونگی پیروزی ناگهانی Douyin آغاز می‌کنیم و به بارهای تصمیم‌گیری پشت Vibe Coding، Agent OS، پنج سطح هوش و اینکه چرا نرم‌افزار می‌تواند به اندازه شیر ارزان باشد، می‌پردازیم. وقتی نرم‌افزار می‌تواند در هر زمان تولید شود و پس از استفاده دور انداخته شود، واقعاً چه چیزی باید ارائه دهیم؟ در نهایت، وقتی کار دیگر ضرورتی نیست، جوانان چگونه باید انتخاب کنند؟

01. 2015: اولین برخورد با "شرکت‌های مبتنی بر هوش مصنوعی"

سال‌ها قبل از ظهور مدل‌های زبانی بزرگ، بایت‌دنس قبلاً شرکتی بود که توسط محصولات مبتنی بر شبکه‌های عصبی هدایت می‌شد و حتی خود مهندسان نیز نمی‌توانستند به‌طور کامل توضیح دهند که چرا سیستم به این شکل عمل می‌کند.

حرفه فناوری گو یو در سال 2011 در Alipay آغاز شد. در آوریل 2013، او برای اولین بار در یک جلسه اشتراک‌گذاری داخلی در Alipay با بیت‌کوین آشنا شد، زمانی که قیمت آن حدود 100 دلار بود. آن سال همچنین سال واقعی انفجار اینترنت موبایل در چین بود: تلفن‌های ساده به تلفن‌های هوشمند تبدیل شدند و بسیاری از حرفه‌ای‌ها از شهرهای فناوری جنوبی به پکن هجوم آوردند. بسیاری از همکاران گو یو در Alipay به توسعه برنامه‌های موبایل منتقل شدند یا به برندهای تلفن هوشمند مانند OPPO و vivo پیوستند.

در سال 2014، به دلیل برخی تغییرات در زندگی شخصی، گو یو تصمیم به حرکت به شمال گرفت و به یک استارتاپ که توسط یک دوست در خیابان سوجو در ژونگ‌گوآن‌کون تأسیس شده بود، پیوست، جایی که تیم روی Duoshuo و Tuchong کار می‌کرد و شب‌ها روی کف دفتر می‌خوابیدند. جالب اینجاست که بخشی از سرمایه‌گذاری شرکت از Weibo Fund آمده بود و در آن زمان، Indigo مسئول کسب‌وکار و سرمایه‌گذاری در Weibo بود. آن‌ها در آن زمان یکدیگر را نمی‌شناختند، اما سال‌ها بعد، در این قسمت، نقاط را به هم متصل کردند. همچنین به این دلیل که Weibo به‌طور اولیه در بایت‌دنس سرمایه‌گذاری کرده بود، این رابطه به فرصتی برای خرید تبدیل شد.

در دسامبر 2014، گو یو تماسی از شن ژن‌یو دریافت کرد و گفت که Toutiao می‌خواهد آن‌ها را خریداری کند. اولین واکنش او این بود: "Toutiao چیست؟" در آن زمان، هیچ‌کس نام بایت‌دنس را نمی‌شناخت. پکن پر از استارتاپ‌های جالب بود و 36Kr و Keep نوپا از Toutiao جذاب‌تر بودند؛ اگرچه Toutiao به تازگی 100 میلیون دلار در دور تأمین مالی سری C به‌دست آورده بود (Indigo اضافه کرد که Weibo نیز در آن دور شرکت کرده بود)، اما در میان جوانان به‌طور گسترده‌ای استفاده نمی‌شد. پس از ادغام، برخی از کارمندان حتی پس از چند ماه رفتند و احساس کردند که شرکت "چندان قابل اعتماد نیست."

آنچه واقعاً باعث شد گو یو متوجه شود بایت‌دنس متفاوت است، یک داستان کوچک بود. ژانگ ییمینگ از کارمندان خواسته بود که محصولات خود را به بستگان و دوستان خود معرفی کنند. یکی از بستگان گو یو Toutiao را نصب کرده بود و به‌ویژه از نوع خاصی از اخبار بیزار بود، بنابراین او روی "علاقه‌مند نیستم" کلیک کرد. اما چند روز بعد، اخبار مشابه هنوز در صفحه اصلی ظاهر شد. گو یو به دنبال مهندسی رفت که مسئول الگوریتم توصیه بود تا این مورد بد را گزارش کند و توضیح او او را شگفت‌زده کرد: آن‌ها در واقع همچنین مهندسان تنظیم‌کننده بودند و استراتژی یادآوری تعیین‌شده برای هر آزمایش نمی‌توانست به‌طور کامل چنین محتوایی را مسدود کند؛ آن‌ها خودشان نمی‌توانستند به‌طور واضح توضیح دهند که سیستم به‌طور داخلی چگونه عمل می‌کند.

"برخی از کدها در یک جعبه سیاه در حال اجرا هستند، درست مانند مدل‌های زبانی بزرگ مبتنی بر شبکه‌های عصبی که امروزه به‌طور معمول استفاده می‌شوند؛ شما دقیقاً نمی‌دانید چگونه کار می‌کند، فقط می‌توانید از طریق آزمایش بهبود مستمر انجام دهید تا به اثر مطلوب نزدیک شوید." [05:45]

این وضعیت است که همه امروز با مدل‌های بزرگ مواجه هستند، به جز اینکه بایت‌دنس ده سال پیش به آن عادت کرده بود. در Alipay که گو یو در آن کار می‌کرد و استارتاپ‌هایی که او می‌شناخت، هیچ‌یک از محصولات مبتنی بر شبکه‌های عصبی نبودند؛ در حالی که در بایت‌دنس، محصولات و کسب‌وکار به یک بخش پشتیبانی تجاری قدرتمند (که آن زمان به آن پلتفرم میانه می‌گفتند) و یک بخش تجاری‌سازی قوی تقسیم شده بودند، با الگوریتم توصیه که موتور اصلی همه چیز بود.

Indigo در اینجا بخشی درباره Weibo اضافه کرد که تضاد شدیدی را تشکیل می‌دهد. در همان دوره، Weibo نیز در حال بهبود جریان اطلاعات خود بود، اما هنوز از الگوریتم‌های مبتنی بر قوانین دستی بیشتری استفاده می‌کرد. مشکل اساسی Weibo این بود که شبکه‌های رابطه‌ای را در اولویت قرار می‌داد، درست مانند X امروز، جایی که رابطه دنبال کردن بسیار مهم است. هنگامی که محتوا توسط الگوریتم‌های توصیه فیلتر می‌شود، کاربران شکایت می‌کنند: "چرا نمی‌توانم ببینم که افرادی که دنبال می‌کنم چه چیزی پست می‌کنند؟" Weibo برای مدت طولانی بین جریان توصیه و جریان دنبال کردن در حال تلاش بود و در نهایت نتوانست به خوبی عمل کند. تقسیم بین دو شرکت تا حدی در آن زمان تعیین شده بود: یکی از روابط اجتماعی شروع کرد، در حالی که دیگری از الگوریتم‌ها شروع کرد.

با این حال، گو یو همچنین یادآوری کرد که حتی اگر محصولات مبتنی بر متن و تصویر به شبکه‌های عصبی وابسته باشند، مخاطبان آن‌ها و اثراتی که می‌توانند به‌دست آورند، بسیار کمتر از توصیه‌های ویدیویی بعدی هستند. سال 2015 در واقع برای بایت‌دنس بسیار دشوار بود: Douyin هنوز راه‌اندازی نشده بود و DAU، MAU و نگهداری Toutiao همه به یک گلوگاه برخورد کرده بودند و تعداد زیادی از کارمندان ترک کردند.

02. Douyin یک تصادف بود

موفقیت Douyin نتیجه شرط‌بندی قبلی نبود، بلکه پیروزی در رقابت داخلی طولانی‌مدت با Kuaishou بود، که به دلیل "عمومیت کاربر" عالی آن بود.

بسیاری از مردم فکر می‌کنند که بایت‌دنس از ابتدا روی Douyin شرط‌بندی کرده است، اما گو یو گفت که این‌طور نیست. ژانگ ییمینگ در ابتدا می‌خواست یک محصول توصیه ویدیویی بیشتر اصلی ایجاد کند، بنابراین منابع زیادی به Kuaishou که به سمت عموم مردم بود، اختصاص داده شد. وقتی Douyin در سال 2016 شروع شد، فقط یک تیم کوچک بود و حتی به آن Douyin نمی‌گفتند، بلکه Z نام داشت و فرم محصول آن بسیار مشابه musical.ly بود.

نقطه عطف پس از خرید musical.ly رخ داد. الکس (ژو جون) به تیم پیوست و هم فرم محصول و هم موتور توصیه زیرین به‌طور قابل توجهی تقویت شدند. رقابت بین Douyin و Kuaishou به مدت چهار تا پنج سال ادامه داشت و در نهایت Douyin یک وظیفه کلیدی را انجام داد: عمومیت کاربر.

آنچه گو یو به عنوان عمومیت اشاره می‌کند، تبدیل یک محصول محبوب در بین جوانان 18 تا 20 ساله به محصولی است که می‌تواند توسط همه از 7 تا 70 سال استفاده شود. هنگامی که Douyin به این هدف دست یافت، وظیفه تاریخی که Kuaishou باید انجام می‌داد، توسط Douyin انجام شد و منجر به ادغام آن‌ها شد. در دسامبر 2016، پس از اینکه تیم بیش از ده ماه روی Douyin و Kuaishou کار کرده بود، وضعیت کلی بایت‌دنس در سال 2017 به‌طور قابل توجهی بهبود یافت.

در این زمان، گو یو هنوز در پلتفرم میانه بود و کسب‌وکارهای پشتیبانی به سرعت تغییر می‌کردند. او روی پخش ویدیو زنده کار کرد و در محصول محبوب زنده‌سازی پرسش و پاسخ "Million Heroes" شرکت کرد، جایی که بایت‌دنس منابع زیادی را در برنامه‌های مرتبط با جشنواره بهار CCTV سرمایه‌گذاری کرد و به کاربران اجازه داد تا به‌صورت زنده در تلفن‌های خود به سوالات پاسخ دهند و یک میلیون یوان جایزه ببرند. بعداً، او مسئول چیزی به نام Micro Runtime شد که موتور مینی‌برنامه‌ای است که در Douyin و TikTok اجرا می‌شود. بازی‌ها و انواع JS Bundles می‌توانند به‌صورت پویا منتشر شوند؛ در حالی که کاربران در حال مرور ویدیوها بودند، ممکن بود با یک تبلیغ مواجه شوند و سپس در زیر آن یک مینی‌گیم باشد که آن‌ها می‌توانستند به‌طور مستقیم بازی کنند، که چیزی بود که گو یو در ابتدا توسعه داده بود.

او خود را به عنوان یک مجری فنی معرفی کرد: در طول سال‌های خود در Toutiao، او هرگز تیمی را رهبری نکرد و نمی‌خواست.

03. هزینه جذب مشتری 50 یوان و تسویه حساب غیرمنتظره در توکیو

وقتی حتی یک "کارخانه اپلیکیشن" مانند بایت‌دنس در جذب کاربران جدید با مشکل مواجه شد، گو یو قضاوت کرد که چرخه اینترنت موبایل به پایان رسیده است؛ یک بیماری همه‌گیر به‌طور غیرمنتظره او را به شروع یک زندگی جدید در ژاپن سوق داد.

در سال 2019، یک نقطه داده که تأثیر عمیقی بر گو یو گذاشت: هزینه جذب یک کاربر جدید از خارج به بیش از 50 یوان رسیده بود. حتی یک "کارخانه اپلیکیشن" مانند بایت‌دنس که در نگهداری عالی بود، در جذب کاربران جدید با مشکل مواجه شد و او متوجه شد که به‌طور کلی همه چیزهایی را که می‌توانست در این دوره انجام دهد، به پایان رسانده است.

در میانه سال 2019، او تصمیم به ترک گرفت و تحویل حدود شش ماه طول کشید. پس از بازگشت به خانه برای جشنواره بهار در سال 2020، او به ژاپن سفر کرد، اما بیماری همه‌گیر شیوع پیدا کرد و سفرهای بین‌المللی را مختل کرد و او هرگز نتوانست به پکن برگردد. حتی تحویل کامپیوتر او توسط همکارانی که شش ماه بعد به پکن بازگشتند، انجام شد. او در نهایت برای ویزای اقامت طولانی‌مدت در ژاپن درخواست داد و بعداً اقامت دائم را به‌دست آورد و از آن زمان در آنجا زندگی کرده است.

در واقع، حتی زمانی که او در سال 2019 می‌خواست ترک کند، گو یو فهرستی از مقایسه مقاصد مختلف تهیه کرده بود. سنگاپور انتخاب بسیاری از کارمندان سابق بایت‌دنس بود، عمدتاً به دلیل تغییرات هویتی مالیاتی، اما او در شنزن بزرگ شده بود و از آب و هوای گرمسیری خوشش نمی‌آمد. کانادا نیز گزینه‌ای بود که او به‌طور جدی در اوایل در نظر گرفته بود؛ اگر او در آن زمان کانادا را انتخاب کرده بود، احتمالاً در طول بیماری همه‌گیر مسیر مهاجرت سریع را طی می‌کرد (Indigo اضافه کرد که تقریباً همه در آن زمان از آن عبور کردند). در نهایت، او توکیو را انتخاب کرد زیرا به‌طور کلی امتیاز بالاتری داشت و او قبلاً تصمیم گرفته بود که از صنعت فناوری خارج شود و زندگی یک فرد عادی را تجربه کند.

از نظر او، فرصت‌ها در صنعت فناوری عمدتاً در پکن وجود داشت و آن دور از چرخه اینترنت موبایل به‌طور کلی به پایان رسیده بود. تا زمانی که موج هوش مصنوعی دوباره در پایان سال 2022 به اوج خود رسید، او متوجه شد که تنها دو تا سه سال واقعاً استراحت کرده است و آن سال‌ها به‌طور تصادفی تحت پوشش بیماری همه‌گیر قرار گرفت.

"ترک بایت‌دنس یک تصادف بود؛ به دلیل قطع بیماری همه‌گیر، این تجربه کامل نبود." [11:13]

Indigo در آن زمان با گو یو آشنا شد، در Clubhouse از 2021 تا 2022. Indigo به یاد می‌آورد که در طول بیماری همه‌گیر، او نیز شروع به نوشتن در X کرد و احساس قوی‌ترین او در آن زمان این بود که کل عصر به‌طور ناگهانی تسریع شده است: کار از راه دور، روش‌های درمان جدید، به‌ویژه بازیابی موشک‌های SpaceX. شرکای او در سال 2019 در SpaceX سرمایه‌گذاری کردند صرفاً به خاطر ستاره‌ها و دریا، حتی فکر می‌کردند "این چیز قطعاً قابل اعتماد نیست." بعداً، در 30 نوامبر 2022، ChatGPT متولد شد و بازار سهام ایالات متحده به‌طور ناگهانی به‌دلیل هوش مصنوعی تقویت شد و منجر به افزایش تعاملات بین آن‌ها در X در مورد سهام و ارزهای دیجیتال شد.

04. از مجری به "همه": هزینه واقعی Vibe Coding

پس از اینکه هوش مصنوعی کدنویسی را به عهده گرفت، مهندسان آسان‌تر نشدند. یک نفر باید بار تصمیم‌گیری یک تیم کوچک را به دوش بکشد که ریشه خستگی شغلی است.

Indigo زمینه چند سال گذشته را ترسیم کرد: از 2022 تا 2024 عصر چت‌بات‌ها است؛ تا میانه سال 2025، Vibe Coding که توسط Andrej Karpathy پیشنهاد شده بود، شروع به محبوبیت پیدا کرد و همه در حال نوشتن کد در Cursor بودند و به سمت برنامه‌نویسی کاملاً خودکار حرکت می‌کردند. او متوجه شد که گو یو به سرعت وارد یک حالت کدنویسی با شدت بالا شده است، بنابراین از او پرسید: چه چیزی به‌طور بنیادی در این "اجرا" نسبت به مهندس بودن در بایت‌دنس در گذشته متفاوت است؟

پاسخ گو یو به هسته اشاره کرد: مهم‌ترین تغییر هویت است. پس از اینکه توانایی‌های کدنویسی به‌دست هوش مصنوعی گرفته شد، مهندسان به ناظران تبدیل شدند.

در شرکت‌های فناوری سنتی، یک تیم کوچک تصمیم می‌گیرد که چه کاری انجام دهد، با یک تا دو هفته به‌عنوان یک چرخه تکرار، اهداف را تعیین می‌کند، توسعه می‌دهد، طراحی می‌کند، آزمایش می‌کند، منتشر می‌کند و نتایج تجربی را مشاهده می‌کند. با کدنویسی Agentic، چنین چرخه‌ای می‌تواند به یک یا دو نفر که در نیم روز آن را کامل می‌کنند، فشرده شود.

به نظر می‌رسد این آزادی است، اما در واقع، این فشار را اضافه می‌کند. شما اکنون باید یک مهندس، معمار، طراح و مهم‌تر از همه، یک مدیر محصول باشید. هوش مصنوعی می‌تواند طراحی، معماری و اجرای فنی را به‌خوبی انجام دهد، بنابراین شما باید فردی باشید که در پرسش‌گری خوب است.

"در واقع، شما باید فضای زبانی مدل زبانی را محدود کنید. شما باید بدانید که چه نوع زبانی برای ارتباط با آن استفاده کنید تا نتایج مورد نظر خود را به‌دست آورید؛ شما باید درک کنید که چه نوع ساختار زبانی به آن اجازه می‌دهد تا به‌طور مداوم کار را پیش ببرد." [16:30]

این یک تشبیه خوب است: نوشتن کد قبلاً مانند چیدن آجر به‌صورت دستی بود؛ اکنون مانند ایستادن در یک سایت ساخت و هدایت یک گروه ساختمانی بی‌وقفه است، اما شما باید نقشه‌ها، اولویت‌ها و اینکه کدام دیوارها را خراب و دوباره بسازید، تصمیم بگیرید. علاوه بر این، به دلیل اینکه Agent به‌طور مداوم در حال اجرا است، شما همچنین باید بدانید که چگونه بر اساس نتایج تجربی جهت خود را تنظیم می‌کند. نوشتن کد به این ترتیب از یک فعالیت ذهنی نسبتاً ساده به یک فعالیت بسیار پیچیده تبدیل شده است.

چرا هوش مصنوعی نمی‌تواند این تصمیمات را برای شما بگیرد؟ گو یو معتقد است که این فقط به این دلیل نیست که فاقد زمینه است، بلکه به‌طور بنیادی، فاقد قصد پیشرو است. بدون قصد، نمی‌تواند تمام تصمیمات را برای شما بگیرد. Personal Agents که در حال حاضر محبوب هستند، پس از داشتن زمینه کافی، ممکن است نتوانند از "دادن پیشنهادات" به "گرفتن تصمیمات پیشرو" منتقل شوند؛ او مطمئن نیست، حداقل در حال حاضر، آن‌ها نمی‌توانند.

نتیجه این است که بار روانی به‌طور قابل توجهی افزایش یافته است. گو یو مشاهده کرده است که از اکتبر و نوامبر 2025 تا فوریه یا مارس 2026، بسیاری از دوستان مهندس او دچار خستگی شغلی شدند: آن‌ها به‌طور بی‌وقفه به مدت دو تا سه ماه کار کردند و بار کاری یک یا دو سال گذشته را به پایان رساندند.

"مغز انسان انرژی بسیار کمی مصرف می‌کند و نمی‌تواند با سرعت هوش مصنوعی همگام شود. ما با تصمیمات زیادی مواجه هستیم که بر سیستم عصبی خودکار ما تأثیر می‌گذارد و ما را مضطرب می‌کند و نمی‌توانیم آرام شویم تا واقعاً به مشکلات فکر کنیم." [18:30]

پس از خستگی شغلی، بسیاری از مهندسان، از جمله گو یو، در حال بازنگری دو سوال هستند: چه چیزی واقعاً ارزش انجام دادن دارد؟ چه ریتمی باید با هوش مصنوعی همکاری کنیم؟

برخورد نظرات: آیا باید برنامه‌ریزی کنیم؟

در اینجا، دو نفر انحراف جالبی داشتند. Indigo تجربیات خود را از ماه گذشته به اشتراک گذاشت: او می‌خواهد ابزارهای مدیریت دانش، تجارت و اطلاعات خود را به محصولات تبدیل کند و متوجه شد که روش‌هایی که سال‌ها پیش هنگام رهبری تیم‌های محصول در Weibo استفاده می‌کرد، مانند نوشتن Specs و PRDs، هنوز مفید هستند. اسناد نیازی به جزئیات به اندازه قبل ندارند، اما روشن کردن افکار قبل از تحویل به هوش مصنوعی، قابلیت استفاده بسیار بهتری نسبت به فقط اجازه دادن به آن برای اجرا به‌دست می‌دهد. بنابراین او ترجیح می‌دهد ابتدا یک برنامه اجرایی با هوش مصنوعی بحث کند و سپس اجازه دهد آن را اجرا کند، با برنامه‌ریزی که اولویت دارد.

اما گو یو به‌دورتر رفته است. او اشاره کرد که Claude Code به‌تازگی حالت برنامه‌ریزی را لغو کرده است زیرا کدنویسی Agentic خود به اندازه کافی قوی است. در گذشته، ممکن بود نیم ساعت را صرف جزئیات همه Specs کنید قبل از اینکه همه چیز را یکجا اجرا کنید؛ اکنون همه امیدوارند که بتواند به‌طور مداوم 24/7 اجرا شود و این عملیات مداوم می‌تواند همه چیزهایی را که قبلاً می‌خواستید برنامه‌ریزی کنید، پوشش دهد، "زیرا چیزهایی که ما می‌توانیم فکر کنیم در واقع به اندازه‌ای که هوش مصنوعی می‌تواند نیست." او در شش ماه گذشته به ندرت از حالت برنامه‌ریزی استفاده کرده است. با ادامه تکامل مدل‌های SOTA و Harness، مهندسان انسانی باید به‌طور مداوم سازگار شوند که خود منبع دیگری از خستگی شغلی است.

Indigo اعتراف کرد که اگر او با هوش مصنوعی در مورد برنامه‌های اجرایی بحث نکند، احساس کمبود کنترل می‌کند. برخی چیزها می‌توانند یک سطح بالاتر انتزاع شوند؛ او اهمیتی نمی‌دهد که کد چگونه نوشته می‌شود، اما باید در سطح کسب‌وکار در مورد منطق واضح باشد. بنابراین او اغلب اجازه می‌دهد هوش مصنوعی کار را تمام کند و سپس از آن می‌خواهد که فرآیند تفکر خود را برای او توضیح دهد، "تا آن را به من آموزش دهد." گو یو، از سوی دیگر، گفت که او اخیراً بیشتر رها کرده است. این دو نگرش در واقع دو ریتم همکاری انسان و ماشین امروز را نمایندگی می‌کنند: یکی این است که در حلقه بمانید تا سیستم را درک کنید و دیگری این است که به سطح هدف عقب‌نشینی کنید و به فرآیند اعتماد کنید.

05. نرم‌افزار دیگر کد ثابت نیست

موتورهای توصیه محتوا را برای هر کاربر شخصی‌سازی کرده‌اند، در حالی که Agents خود نرم‌افزار را برای هر کاربر شخصی‌سازی کرده‌اند. وقتی نرم‌افزار می‌تواند به‌طور آنی تولید شود، "توزیع" نرم‌افزار معنی خود را از دست می‌دهد.

گو یو معتقد است که تغییر مهم‌تر از تغییر نقش‌ها، تغییر ماهیت خود نرم‌افزار است.

او داستانی از یک گفت‌وگوی شبانه به اشتراک گذاشت. در ژانویه یا فوریه امسال، دوست خوبش دونگ‌زو توانسته بود به‌طور همزمان صدها ماشین مجازی را کنترل کند و تمام شب را برای انجام یک کار بزرگ اجرا کند و در یک روز میلیاردها توکن مصرف کند. دونگ‌زو گفت که او احساس می‌کند با این شبکه Agent مانند ماتریس، هر نرم‌افزاری می‌تواند ایجاد شود.

این باعث شد گو یو متوجه شود که نه تنها ساختار نرم‌افزار تغییر کرده است، بلکه کدنویسی خود به یک عمل آنی تبدیل شده است: نوشتن برای انجام یک کار یا دستیابی به یک هدف، سپس دور انداختن آن یا نگه‌داشتن آن برای استفاده شخصی.

"در گذشته، موتورهای توصیه مبتنی بر هوش مصنوعی محتوای نرم‌افزاری را که ما برای همه ایجاد کردیم، شخصی‌سازی کردند. اما اکنون، حتی خود نرم‌افزار نیز می‌تواند به‌طور کامل سفارشی شود. نرم‌افزار شما نرم‌افزار شماست، نرم‌افزار من نرم‌افزار من است و نرم‌افزار بین ما ممکن است سازگار نباشد و نیازی به این نیست." [22:50]

این مقایسه بسیار بینش‌زا است. ده سال پیش، همه از همان Toutiao استفاده می‌کردند و فقط محتوای متفاوتی را می‌دیدند؛ امروز، ممکن است مردم حتی از همان برنامه استفاده نکنند.

گو یو سه تا چهار ماه را صرف کدنویسی Vibe برای بیش از سی محصول کرد که بسیاری از آن‌ها منتشر نشدند. در ابتدا، او فکر می‌کرد این هیچ تفاوتی با کار در بایت‌دنس ندارد، جایی که بسیاری از محصولات به‌طور مرده متولد می‌شدند یا پس از راه‌اندازی به دلیل عدم دستیابی به ROI قطع می‌شدند. اما او بعداً متوجه شد که هنوز از ذهنیت دوره قبلی استفاده می‌کند: ایجاد نرم‌افزار برای کسانی که نمی‌توانند کد بنویسند.

این توسط آنچه به عنوان First Class Harness شناخته می‌شود، در حال تجزیه است. گو یو آن را به‌عنوان: لایه اول Harness که به‌طور شخصی توسط آزمایشگاه‌های مدل SOTA طراحی شده است، مانند Claude Code، Codex (که گو یو اشاره کرد که اکنون به ChatGPT ادغام شده است) و DeepSeek Harness (DSH) تعریف می‌کند. پیشرفت‌های آن‌ها بسیاری از عملکردهایی را که نرم‌افزار باید انجام دهد، درونی کرده است. اگر می‌خواهید یک CRM یا سیستم‌های مدیریتی مختلف بسازید، می‌توان این کار را در دو، پنج یا ده دقیقه انجام داد. برای چنین نیازهایی، ساخت نرم‌افزار خوب و توزیع آن در بازار اپلیکیشن دیگر معنی ندارد.

06. Agent OS: وقتی Agents به شهروندان درجه یک سیستم‌عامل تبدیل می‌شوند

گام بعدی برای سیستم‌عامل‌ها این است که از "متمرکز بر برنامه" به "متمرکز بر Agent" منتقل شوند؛ در آینده، منابع محاسباتی که ما اجاره می‌کنیم احتمالاً توسط سرورهای مجازی کنترل‌شده توسط Agent اداره می‌شوند.

اگر معنی نرم‌افزار در حال تغییر است، گام بعدی برای اینترنت و سیستم‌عامل‌ها چیست؟ گو یو متوجه شد که برخی افراد در حال حاضر توزیع‌های جدیدی را بر اساس لینوکس ایجاد می‌کنند و به Agents به‌جای برنامه‌ها به‌عنوان شهروندان درجه یک نگاه می‌کنند و به Agents اجازه می‌دهند که کل سیستم را اداره کنند. با این حال، یک سیستم‌عامل جدید به زمان زیادی برای جمع‌آوری APIهای پایه OS و عملکردهای پیچیده برنامه نیاز دارد.

بنابراین، OpenAI مسیر دیگری را انتخاب کرد: خرید تعداد زیادی Mac mini برای آموزش نسل بعدی مدل‌ها برای اداره این مک‌ها. او معتقد است که این مسیر کاملاً معقول است زیرا مک‌ها توزیع‌های یونیکس عالی هستند و دارای یک اکوسیستم ابزار و نرم‌افزار بسیار بالغ در زمینه‌های خلاقانه و تولید فیلم هستند.

از این، او تصویری از آینده نزدیک ترسیم کرد: چیزهایی که شما در تلفن خود استفاده می‌کنید در واقع به یک مک از راه دور متصل هستند، ممکن است همان مک در خانه شما باشد، که از طریق تونل OpenAI یا تونل Cloudflare خودتان به آن متصل شده‌اید، یا به یک سرور در توکیو. با نگاهی به یک مقیاس زمانی طولانی‌تر، بگویید پنج سال، این کامپیوتر از راه دور قطعاً تخصصی خواهد شد و به نوعی توزیع لینوکس اختصاصی تبدیل خواهد شد. امروز، وقتی شما یک سرور در یک مرکز داده اجاره می‌کنید، باید اوبونتو و یک دسته نرم‌افزار را خودتان نصب کنید؛ در آینده، تمام اجاره‌های قدرت محاسباتی ممکن است به سرورهای مجازی Agent تبدیل شوند، با یک Agent که کل سیستم را اداره می‌کند تا وظایف را برای شما انجام دهد.

Indigo این را با تجربه اخیر خود با Grok Bot تکمیل کرد. محیط لینوکس زیرین طعم Agent OS را دارد: دارای یک مرورگر کوچک، یک مدیر فایل و یک ترمینال است. شما می‌توانید بررسی کنید که چه کاری انجام می‌دهد، اما بیشتر اوقات نیازی به باز کردن آن نیست؛ فقط با Agent صحبت کنید و همه Agents این یک کامپیوتر را به اشتراک می‌گذارند. او همچنین یک آزمایش انجام داد: او کلاینت‌ها را هم بر روی MacBook و هم بر روی Mac mini خود در خانه نصب کرد و کامپیوتر ابری می‌توانست وجود این دو دستگاه را شناسایی کند و به او اجازه می‌داد دستورات را بر روی یکی صادر کند که می‌توانست به کلاینت دیگری دسترسی پیدا کند. بنابراین، ماشین مجازی ابری همه چیز را هماهنگ می‌کند، در حالی که دو ماشین محلی در اجرای آن شرکت می‌کنند و تمام داده‌ها به هم متصل هستند و او نیازی به تایپ یک دستور ندارد.

گو یو دو قابلیت از راه دور را به اشتراک گذاشت که Codex از فوریه پشتیبانی کرده است: یکی کنترل پورت SSH سنتی و دیگری نفوذ به شبکه داخلی از طریق اتصال WebSocket خود Codex، که به شما اجازه می‌دهد تمام منابع محاسباتی را از هر ماشینی، حتی یک تلفن، کنترل کنید. OpenAI این را به‌عنوان یک نقطه فروش بازاریابی نکرده است، اما این عملکرد همیشه وجود داشته است. گو یو چند سرور bare metal در مرکز داده خود دارد و اکنون می‌تواند حتی به Agent اجازه دهد که خرید ماشین‌ها را انجام دهد: پس از خرید، ارائه‌دهنده سرویس رمز عبور اولیه را به جیمیل ارسال می‌کند، Agent رمز عبور را می‌خواند، وارد می‌شود، کلید جفت خود را نصب می‌کند، رمز عبور را حذف می‌کند و سپس همه چیز توسط آن نگهداری می‌شود.

اما وقتی او این کار را برای اولین بار انجام داد، به یک مسئله دیگر فکر کرد:

"اگر OpenAI مورد حمله قرار گیرد یا اتصال آن هک شود، می‌تواند به بزرگ‌ترین بات‌نت جهان تبدیل شود. زیرا شما می‌توانید از طریق یک Agent ده‌ها هزار یا حتی میلیون‌ها منبع محاسباتی مختلف را اداره کنید." [29:55]

وقتی همه کامپیوترهای خود را از طریق Agents مدیریت می‌کنند، خود کانال Agent متمرکز به یک نقطه امنیتی بزرگ تبدیل خواهد شد. این یک جنبه تاریک است که نمی‌توان در چشم‌انداز Agent OS نادیده گرفت.

07. پنج سطح هوش

نه همه به قوی‌ترین مدل نیاز دارند، بلکه به مناسب‌ترین مدل نیاز دارند. هوش به‌طور لایه‌ای بر اساس سناریو، از راحتی شخصی، بهره‌وری شخصی، همکاری شرکتی، تولید سرگرمی، تا اکتشاف علمی در حال لایه‌بندی است.

Indigo موضوع را به رابط‌های کاربری بازگرداند: لایه تعامل در حال تبدیل شدن به LUI (رابط کاربری زبانی) است، جایی که همه اجازه می‌دهند مدل رابط مورد نیازشان را تولید کند. با این حال، در اینجا یک شکاف وجود دارد؛ کسانی که در محصول و فناوری کار کرده‌اند می‌دانند چگونه نیازها را توصیف کنند، اما افراد عادی ممکن است این‌طور نباشند.

گو یو معتقد است که نیازها لایه‌بندی شده‌اند و به مثال Muse که به تازگی توسط متا منتشر شده است (در حال حاضر فقط برای کاربران آمریکایی در دسترس است) اشاره کرد. این هدف دارد نیازهای ساده افراد عادی را برطرف کند: به‌طور خودکار تماس گرفتن برای رزرو رستوران‌ها، رزرو چیزها در حین سفر به کشورهای ناآشنا، مدیریت اطلاعات مختلف. نیازی به یک برنامه جداگانه ندارد، بلکه در کانال‌های ارتباطی موجود متا مانند اینستاگرام، واتس‌اپ و مسنجر ادغام شده و تمام ارتباطات را در اطراف Agent متصل می‌کند. در گذشته، شما باید از یک دسته نرم‌افزار برای کنار هم قرار دادن یک جریان کار استفاده می‌کردید؛ اکنون، نیازی به یک جریان کار نیست؛ فقط نیازهای موقتی خود را بیان کنید و آن به‌طور مداوم پردازش می‌کند تا هدف به‌دست آید.

گو یو درک عمیقی از این موضوع دارد. او اوایل امسال، در ماه‌های مارس و آوریل، محصولی برای تماس گرفتن به نمایندگی از دیگران توسعه داد که پس از انتشار توسط بسیاری از کاربران پرتغالی و اسپانیایی‌زبان استفاده شد (Indigo اشاره کرد که او از آن استفاده کرده و به دیگران توصیه کرده است)؛ بعداً، او محصول دیگری را ایجاد کرد که به ادغام تماس‌ها، ایمیل‌ها و ارتباطات مختلف می‌پرداخت که به‌طور خودکار توسط یک Agent مدیریت می‌شد. اما تا نزدیک به اکتبر، سوپر اپ‌ها قبلاً این عملکردهای پایه را ادغام کرده بودند. این بار دیگر تأیید می‌کند که قضاوت انجام شده در بخش قبلی: توزیع نرم‌افزار تخصصی در حال تبدیل شدن به غیرضروری است. البته، خلق‌های پیچیده‌تر هنوز باید حول مدل‌های SOTA مانند Claude Code و Codex بچرخند.

با دنبال کردن این خط فکری، Indigo چارچوب پنج لایه خود را ارائه داد و با یک قضاوت آغاز کرد: مردم به قوی‌ترین مدل نیاز ندارند؛ آن‌ها ممکن است فقط به مناسب‌ترین مدل برای سناریوی درست نیاز داشته باشند.

لایه اول راحتی شخصی است، مانند Muse، که ارتباطات روزمره و کارهای جزئی را ادغام می‌کند.

لایه دوم بهره‌وری شخصی است که شامل کدنویسی و خلق است و از مدل‌هایی مانند Claude و Codex که رابط‌های قوی‌تری دارند، استفاده می‌کند.

لایه سوم همکاری بهره‌وری شرکتی است که از استفاده شخصی تخصصی‌تر است و نیاز دارد که Agents در جریان‌های کاری شرکتی ادغام شوند، مانند آموزش مدل‌ها برای استفاده مستقیم از Mac mini یا لینوکس، اتصال سیستم‌ها درون شرکت که نیاز به الزامات بالاتری از مدل‌ها دارد.

لایه چهارم تولید سرگرمی است که Indigo معتقد است نقطه قوت بایت است: Seedance که با پلتفرم درام کوتاه Hongguo جفت شده است، جایی که هوش مصنوعی محتوایی تولید می‌کند که توسط انسان‌ها مصرف می‌شود، در حال حاضر یک چرخه داخلی را تشکیل داده است؛ BytePlus همچنین ابزارهایی برای خالقان خارجی توسعه داده است و مدل‌های تولید ویدیو را به همراه مجموعه کاملی از خدمات خلاقانه برای فروش بسته‌بندی کرده است.

بازی‌های مینی و بازی‌های تعاملی ممکن است دیگر نیازی به دخالت انسان نداشته باشند، زیرا برندها و خالقان حرفه‌ای محتوایی تولید می‌کنند که از طریق جریان‌های اطلاعات رسانه‌های اجتماعی توزیع می‌شود؛ با گسترش دستگاه‌های سرنشین‌دار، شرکت‌هایی مانند بایت و متا که بر روی متاورس شرط‌بندی می‌کنند، مزیت ورودی خواهند داشت، "متاورس قبلی فقط خیلی زود متولد شد."

لایه پنجم اکتشاف علمی است که به مدل‌های سطح بالا نیاز دارد و چنین مدل‌هایی ممکن است توسط شرکت‌ها افشا نشوند، بلکه تحت توافق‌نامه‌های چارچوب سالانه با شرکت‌های دارویی و مؤسسات تحقیقاتی برای تقسیم سود امضا شوند؛ قراردادهای دفاعی احتمالاً فرمت مشابهی را دنبال می‌کنند.

بر این اساس، گو یو دو نکته اضافه کرد.

اول، پذیرش شرکتی هنوز awkward است. مایکروسافت به تازگی یک فرم جدید از کار برای شرکت‌ها منتشر کرده است که سلسله مراتب Office را زیر Agent قرار می‌دهد و به Agent اجازه می‌دهد که Office را اداره کند و به‌طور مؤثر Copilot را به یک سیستم‌عامل تبدیل می‌کند (نام برند هنوز حفظ شده است). مایکروسافت هدف دارد که پیاده‌سازی جریان‌های کاری خودکار متمرکز بر Agent را در شرکت‌ها تسریع کند، اما شرکت‌ها هنوز مردد هستند: آن‌ها می‌دانند که می‌توانند با کاهش مشاغل هزینه‌ها را کاهش دهند اما نمی‌دانند چگونه کل جریان اطلاعات و نقدینگی را در اطراف Agents بازسازی کنند. شرکت‌های یک نفره و تیم‌های کوچک به‌طور طبیعی آن را می‌پذیرند، در حالی که شرکت‌های بزرگ (از جمله شرکت‌های ژاپنی) پر از نگرانی هستند، زیرا هیچ‌کس نمی‌تواند مسئولیت این موضوع را بر عهده بگیرد؛ تنها CEO و هیئت مدیره می‌توانند تصمیم بگیرند و مدیریت میانی فرصت‌ها را می‌بیند اما جرأت عمل ندارد. آن‌ها حتی در استفاده از مدل‌های چینی مانند DeepSeek تردید دارند و از ترس این که اطلاعات داخلی ممکن است تقطیر شده و به شرکت‌های دیگر منتقل شود، می‌ترسند.

دوم، او به لایه‌ای از هوش مصنوعی در محل اشاره کرد: ارزان‌ترین و سریع‌ترین مدل‌ها که در سناریوهای بسیار خودکار استفاده می‌شوند، مانند مدیریت مزارع و کارخانه‌ها. این سناریوها باید به محاسبات لبه‌ای متکی باشند زیرا مقدار اطلاعاتی که یک دوربین در یک روز پردازش می‌کند، بسیار زیاد است. به عنوان مثال، یک مزرعه‌داری باید شناسایی کند که کدام گاو از گله فرار کرده است؛ ارسال تمام تصاویر به OpenAI غیرممکن است، بنابراین مدل‌های بسیار ارزان باید به‌طور محلی 24 ساعت در روز کار کنند.

با جمع‌بندی همه این‌ها، گو یو یک دیدگاه سرمایه‌گذاری ارائه داد:

"در این لحظه در اکتبر 2026، تأثیر هوش مصنوعی بر جامعه انسانی، ساختارهای سازمانی و کسب‌وکار هنوز در مرحله بسیار، بسیار ابتدایی است. اگرچه ما در حال تسریع هستیم، آنچه می‌توانیم به‌دست آوریم ممکن است تنها 2% یا 3% کامل شده باشد." [39:30]

08. 2% کاربران حرفه‌ای و تجاری‌سازی هوش

هوش مصنوعی یک بوم خالی است که ایده‌ها را تقویت می‌کند؛ برای بازار انبوه، محتوای تولید شده توسط هوش مصنوعی منجر به رقابت کامل خواهد شد و خود هوش در نهایت به اندازه شیر ارزان خواهد شد.

Indigo مشاهده کرد که توزیع کاربران هوش مصنوعی هنوز در مراحل اولیه است: اولین کسانی که از آن استفاده می‌کنند، کاربران حرفه‌ای هستند، کسانی که فعال، عاشق یادگیری و تحقیق هستند. دلیل این است که هوش مصنوعی دکمه‌هایی را در مقابل شما مانند بازی‌ها یا نرم‌افزارهای سنتی ارائه نمی‌دهد؛ این یک بوم خالی است و شما باید ایده‌ای داشته باشید تا آن را فعال کنید. بیشتر مردم به سر کار می‌روند، وظایف را از رهبران خود دریافت می‌کنند، کار خود را تمام می‌کنند و به خانه می‌روند تا تلویزیون تماشا کنند، بدون ایده یا تفکری در مورد چگونگی ایجاد درخواست‌ها.

بنابراین، هوش مصنوعی یک دوگانگی واضح ارائه می‌دهد: برای کاربران حرفه‌ای، این یک تقویت‌دهنده ده برابری است که به یک نفر اجازه می‌دهد بیش از سی برنامه و صدها سرور Agent را مدیریت کند، معادل یک شرکت پنجاه یا شصت نفره در گذشته؛ با این حال، بر اساس نظرسنجی‌های مختلف از Gemini و ChatGPT، بیشتر کاربران هنوز آن‌ها را به‌عنوان موتورهای جستجوی راحت‌تر در نظر می‌گیرند. بر اساس توزیع جمعیتی، شاید تنها 2% تا 3% از مردم بتوانند به کاربران حرفه‌ای تبدیل شوند، در حالی که بقیه به نوع دیگری از هوش مصنوعی نیاز دارند تا وقت خود را پر کنند، که دقیقاً همان چیزی است که بایت در حال انجام آن است.

گو یو نسبت به چشم‌انداز تجاری این مسیر نگرش محتاطانه‌ای دارد. سرگرمی مصرف‌کننده همیشه در هسته بایت بوده است و به جذب توجه و کسب درآمد از طریق تبلیغات وابسته است. با این حال، سودآوری محصولاتی مانند درام‌های کوتاه هوش مصنوعی هنوز نامشخص است. حتی اگر یک حلقه بسته تشکیل شود، جایی که شما به Seedance پرداخت می‌کنید تا یک ویدیو تولید کند و سپس آن را به Hongguo بارگذاری کنید تا دیگران برای تماشا پرداخت کنند، از نظر اقتصادی به یک بازار کاملاً رقابتی تبدیل خواهد شد: همیشه کسی وجود خواهد داشت که از توکن‌های ارزان‌تر استفاده می‌کند، زمان بیشتری را صرف انجام آزمایش‌های بیشتر می‌کند و قیمت‌ها را کاهش می‌دهد تا اینکه قیمت فروش تنها کمی بالاتر از هزینه تولید باشد، با کسر هزینه‌های محاسباتی و برق، منجر به سودهایی می‌شود که به حدی نازک می‌شوند که بی‌معنی می‌شوند.

"اگر یک بازار یک بازار کاملاً رقابتی باشد، قیمت‌گذاری نهایی آن تقریباً هیچ تفاوتی با هزینه نخواهد داشت." [42:30]

Indigo گفتگو را ادامه داد: این همان چیزی است که بسیاری از مردم در سیلیکون ولی در حال حاضر معتقدند، که هوش به کالاهای عمومی تبدیل خواهد شد و به‌طور کامل تجاری‌سازی خواهد شد. گو یو از یک تشبیه بسیار مناسب استفاده کرد:

"وقتی ما شیر را در سوپرمارکت می‌خریم، ارزان است زیرا کارخانه‌های متمرکز زیادی شیر تولید می‌کنند. اگر ما نرم‌افزار را به‌عنوان شیر ببینیم، در آینده، هر نرم‌افزار یا هر چیزی که به ما کمک کند تا به اهداف خود برسیم، به اندازه شیر ارزان خواهد شد." [42:50]

بنابراین، تمرکز گو یو در حال تغییر است: از ایجاد نرم‌افزار به تفکر در مورد هدفی که نرم‌افزار قرار است به آن برسد.

09. سردرگمی و انتظار برای بلوغ محیط

در پارادایم جدید، به‌جای عجله برای اعمال تفکر قدیمی به نرم‌افزار، بهتر است زمان بیشتری را صرف مشاهده کنید، مانند بایت‌دنس در اوایل، و منتظر بمانید تا محیط واقعاً بالغ شود.

گو یو اعتراف کرد که او در حال حاضر تا حدی سردرگم است. اخیراً، او به مدت نیم ساعت با یو یوکسی در سنگاپور صحبت کرد که او نیز پس از فروش استارتاپش به Cloudflare احساس خستگی می‌کرد و به این فکر می‌کرد که چه کاری باید انجام دهد. علاوه بر بازگشت به زندگی شخصی و خانواده، گو یو احساس نیاز به تفکر عمیق‌تر دارد، مانند مشاهده به مدت سه تا شش ماه قبل از تصمیم‌گیری در مورد جایی که باید انرژی مهم‌ترین خود را متمرکز کند.

این او را به تاریخ خود بایت‌دنس یادآوری کرد. بایت‌دنس در سال 2012 تأسیس شد و دو سال را صرف اعتبارسنجی اولین ایده کرد: آیا سیستم توصیه می‌تواند بر روی متن و تصاویر کار کند. در مارس 2015، در جلسه سالانه در اوکیناوا، مهم‌ترین موضوع مورد بحث این بود که کل محیط در نهایت مردم را به استفاده از داده‌های موبایل برای تماشای ویدیوها مایل کرده است، که منجر به ورود توصیه‌های ویدیویی به یک مرحله بالغ شد که ارزش امتحان کردن داشت.

"اگر ما وارد یک محیط بالغ نشویم، جایی که کاربران نمی‌دانند چگونه از محصولات ما استفاده کنند، و هنوز هم به دنبال تفکر کارآفرینی بیش از یک دهه پیش برای ساخت نرم‌افزار، رسیدن به کاربران و توزیع نرم‌افزار به آن‌ها هستیم، آیا این خود بی‌معنی نیست؟" [44:45]

گفتگو سپس به نسل بعدی منتقل شد. گو یو برای بچه‌های امروزی که در این عصر بدون بار به دنیا آمده‌اند، حسادت کرد و فکر نمی‌کنند "می‌خواهم چیزی بسازم تا به کسی بفروشم." Indigo همچنین به فرزند خود که تازه وارد دانشگاه شده اشاره کرد: بدون فکر به کسب درآمد، آن‌ها از سرگرمی‌های خود لذت می‌برند، قبلاً به جغرافیا علاقه‌مند بودند و روزانه تحقیق و خلق می‌کنند و در جامعه Reddit احساس خوبی دارند. با ناپدید شدن فشار زندگی، نسل بعدی ممکن است بیشتر به علایق و جوامع خود بپردازند. گو یو اضافه کرد که ژاپن پس از اقتصاد حبابی به چنین وضعیت اجتماعی وارد شد و هوش مصنوعی ممکن است نسل بعدی را در سطح جهانی به این نقطه برساند؛ اگر آنچه ایلان ماسک گفت درست باشد، که در ده تا پانزده سال آینده مردم دیگر نیازی به پول نخواهند داشت و ربات‌ها تمام کارها را انجام خواهند داد، آن وضعیت ممکن است به واقعیت تبدیل شود.

10. همه چیز رسانه است

در عصری که محتوای تولید شده توسط هوش مصنوعی به وفور وجود دارد و نسبت سیگنال به نویز به شدت پایین است، خود افراد واقعی به تمایز نایاب‌ترین تبدیل می‌شوند؛ آنچه ما ارائه می‌دهیم دیگر نرم‌افزار نیست، بلکه رسانه است.

Indigo افکار خود را به اشتراک گذاشت. امسال، او شرکت‌های کوچک غیرقابل اعتمادی را در سیلیکون ولی دیده است که فقط لبه‌های مدل‌ها را تولید می‌کنند؛ همان‌طور که گو یو گفت، نرم‌افزار نیازی به وجود ندارد و این عملکردها ارزشی ندارند. با این حال، او یک چیز را باور دارد که به‌طور فزاینده‌ای مهم خواهد شد: ارتباط بین افراد.

"ارتباط عاطفی بین افراد با توسعه هوش مصنوعی قوی‌تر خواهد شد. من واقعاً می‌خواهم ببینم که یک فرد واقعی در اینجا افکار خود را به اشتراک می‌گذارد؛ این بسیار جالب خواهد بود." [46:50]

او یک هدف کوچک برای خود تعیین کرد: خود را محصولی کند، یا توجه خود را محصولی کند. افکار گسترده او به‌طور خودکار توسط Agents هوش مصنوعی به محتوای قابل خواندن و قابل اشتراک‌گذاری سازماندهی می‌شود و اعضای جامعه حتی امیدوارند که او به‌طور مستقیم یک API برای Agents خود باز کند تا آنچه را که Agent او نوشته است، بخوانند و یک انتقال اطلاعات دیگر را کامل کنند. آنچه او می‌خواهد ارائه دهد این است که توجه خود را به دیگران واگذار کند و ارتباطات تصادفی افکار را تشکیل دهد، درست مانند این برنامه: دو نفر توجه خود را متمرکز می‌کنند و سپس آن را به مخاطب آزاد می‌کنند.

"این نرم‌افزار نیست؛ این رسانه است. نرم‌افزار رسانه است؛ همه چیز رسانه است. هر بار که شما یک محصول Vibe Coding تولید می‌کنید، آن عمل و نتیجه بخشی از رسانه است. کاربران آن را می‌گیرند، هضم می‌کنند و اگر راضی باشند، می‌خواهند فردا دوباره شما را ببینند، درست مانند تماشای یک ویدیو کوتاه." [48:10]

این محتوا جامعه‌ای را در اطراف یک موضوع خاص تشکیل خواهد داد، مانند بازار سهام ایالات متحده و بازار اولیه، جایی که مردم هنوز مایل به ارتباط با یکدیگر هستند و KOLها هنوز ظهور خواهند کرد.

گو یو این قضاوت را با استفاده از مثال زارا ژانگ تأیید کرد. او از زمینه برنامه‌نویسی نیست اما محصولات زیادی مرتبط با Keynote ایجاد کرده است که به‌طور آنلاین محبوب شده‌اند. او یک بار توییت کرد که برای به‌دست آوردن ترافیک بیشتر برای دمو محصول یک استارتاپ، تنها کاری که باید انجام دهید این است که یک فرد واقعی محصول را معرفی کند. گو یو توضیح داد که با افزایش محتوای هوش مصنوعی، هر کسی می‌تواند از هوش مصنوعی برای ایجاد آنچه می‌خواهد استفاده کند و منجر به نسبت سیگنال به نویز بسیار پایین می‌شود؛ در عصری که محتوای فوق‌العاده‌ای وجود دارد، ظهور به‌عنوان یک فرد واقعی بزرگ‌ترین تمایز است، به شرطی که شما به اندازه کافی خوب باشید و بی‌پروا صحبت نکنید.

گو یو سپس یک مورد کلاسیک از درون بایت‌دنس را به اشتراک گذاشت و مکانیزم‌های پشت این تمایز را فاش کرد. Douyin اغلب می‌بیند که یک فرد ناشناخته به‌طور ناگهانی به مرکز ترافیک آنلاین منتقل می‌شود، معمولاً به این دلیل که آن‌ها به‌طور تصادفی به بخشی از الگوریتم توصیه دسترسی پیدا کرده‌اند که بیشتر با طبیعت انسانی هم‌خوانی دارد. بایت‌دنس تیمی اختصاصی برای مقابله با چنین رفتارهایی دارد. یک ترفند کلاسیک این است که عمدی کلمات را در زیرنویس‌های ویدیو اشتباه بنویسند. در ابتدا، گو یو فکر می‌کرد که این برای فرار از سانسور است، اما بعداً متوجه شد که افزودن اشتباهات تایپی به‌طور قابل توجهی نرخ تکمیل را افزایش می‌دهد: بینندگان به عقب برمی‌گردند تا بررسی کنند که آیا واقعاً کلمه اشتباه نوشته شده است یا خیر. این ترفند به سرعت شناسایی و مسدود شد، اما مهندسان هرگز نمی‌توانند پیش‌بینی کنند که خالقان چگونه سیستم را هک خواهند کرد، زیرا اگرچه آن‌ها الگوریتم را ایجاد کرده‌اند، اما آن‌ها فقط مهندسان تنظیم‌کننده هستند و نمی‌توانند در منطق داخلی آن دخالت کنند.

"چه ما محتوای تولید شده توسط هوش مصنوعی را توزیع کنیم و چه محتوای واقعی انسانی، ما در واقع در حال هک کردن جریان این مدل ذهنی هستیم. در حال حاضر، محتوای هوش مصنوعی بیشتر و محتوای انسانی کمتر است؛ اگر شما درخشان باشید، نتایج تجربی در استخر ترافیک اولیه بهتر خواهد بود و شما به یک استخر ترافیک بزرگ‌تر منتقل خواهید شد." [51:40]

بنابراین، گو یو به سوال اصلی خود بازگشت: ما دقیقاً چه چیزی را توزیع می‌کنیم؟ آیا این نرم‌افزار است، یا داستان‌هایی که از طریق نرم‌افزار گفته می‌شود، برندهای شخصی که ایجاد می‌شود، یا اهداف تجاری که از طریق برندهای شخصی به‌دست می‌آید؟ توالی قبلی از A به B به C به D اکنون ممکن است به‌طور کامل معکوس شود.

"اگر ما بتوانیم این هدف را بدون نرم‌افزار به‌دست آوریم، شاید ما به خود نرم‌افزار نیازی نداشته باشیم. اگر همه اهداف ما می‌توانند از طریق هوش به‌دست آیند، پس داشتن خود هوش کافی است." [52:35]

او از صنعت سرگرمی برای توضیح استفاده کرد: برای اکثر مردم، هدف صرفاً گذراندن وقت است، چه تماشای ویدیوهای کوتاه، درام‌های کوتاه هوش مصنوعی یا پیمایش در TikTok؛ در نهایت، همه چیز در مورد مصرف زمان است و فرم محصول در بین آن مهم نیست. Douyin سهم قابل توجهی از Tencent گرفته است زیرا بازی کردن مانع تماشای ویدیوهای کوتاه می‌شود و بالعکس برای ویدیوهای بلند. تمام محصولات سرگرمی ممکن است از نظر فرم متفاوت به نظر برسند، اما رقابت برای زمان کاربر مستقیم است. با گسترش این ایده، اگر ما اهداف کار و زندگی را به‌عنوان اهداف خود در نظر بگیریم، پس فرم نرم‌افزار، چه نرم‌افزار To B، نرم‌افزار کارخانه یا برنامه‌های شخصی، ممکن است اصلاً مهم نباشد.

11. انقلاب صنعتی یا رنسانس؟

این تغییر شبیه به ماشین ریسندگی جنی است که وسایل دستی برای دستیابی به اهداف را تغییر می‌دهد؛ وقتی نیازهای اولیه برآورده می‌شوند و زمان آزاد می‌شود، سبک زندگی نسل هیسی ژاپن ممکن است پیش‌درآمد مرحله بعدی برای تمام بشریت باشد.

گو یو این تغییر را به انقلاب صنعتی مقایسه کرد، مانند ماشین ریسندگی جنی در قرن هجدهم: هدف نهایی تولید لباس است و اینکه آیا این کار به‌صورت دستی یا ماشینی انجام می‌شود، بی‌اهمیت است، به شرطی که هدف به‌دست آید. Indigo اشاره کرد که سطح اهداف انسانی در حال افزایش است: قبلاً هدف نوشتن نرم‌افزار بود؛ اکنون، تنها کافی است درخواست‌هایی برای هوش مصنوعی ارسال کنید تا رابط را ایجاد کند، یا حتی ممکن است هیچ رابطی وجود نداشته باشد، فقط جابجایی چیزها از A به B. بنابراین، در عصر عوامل بسیار پیشرفته، جهت‌گیری و معنی اهداف انسانی چه خواهد شد؟

گو یو داستانی را به اشتراک گذاشت از زمانی که او تازه "بازنشسته" شده بود و به ژاپن رفته بود. او اغلب برای تفریح رانندگی می‌کرد و یک روز به سواحل Kujukuri در چیبا رفت، جایی که در یک روز کاری بسیاری از مردم را دید که موج‌سواری می‌کنند. بعداً، او متوجه شد که تعداد قابل توجهی از جوانان در ژاپن دیگر در کارهای رسمی مشغول نیستند، بلکه به کارهای آربایتو (کارهای پاره‌وقت) می‌پردازند. برای آن‌ها، کار پاره‌وقت آزادکننده است و تفاوت درآمد با کارمندان تمام‌وقت ناچیز است، عمدتاً به دلیل شکاف ثروت کوچک در ژاپن، جایی که درآمد در مشاغل نسبتاً یکنواخت است. بنابراین، آن‌ها سه روز در هفته کار می‌کنند و چهار روز باقی‌مانده را به موج‌سواری یا انجام هر کاری که می‌خواهند می‌گذرانند.

"وقتی خواسته‌های مادی شما به شدت پایین است، یا همه نیازهای شما توسط جامعه برآورده می‌شود، می‌توانید آزادانه به هر چیزی که واقعاً می‌خواهید انجام دهید، بپردازید. این پیگیری‌ها ممکن است علایق شما باشد یا ممکن است به دلیل علایق طولانی‌مدت شما به شغل شما تبدیل شود." [55:50]

او الماس را به‌عنوان مثال ذکر کرد: برخی از ورزشکاران در رویدادهایی مانند اسکیت‌برد، ورزشکاران حرفه‌ای سنتی نیستند، بلکه سال‌ها تجربه و علاقه را جمع‌آوری کرده‌اند و تصمیم به شرکت در الماس می‌گیرند. این مانند رانندگان F1 نیست که برای بازگشت نیاز به سرمایه‌گذاری‌های کلان دارند؛ بلکه نتیجه طبیعی است که به‌دلیل علاقه به‌وجود آمده است و جنبه مهمی از آنچه به اصطلاح جامعه "هیسی اوتاکو" پس از سال‌ها توسعه است، را منعکس می‌کند.

البته، گو یو همچنین اذعان کرد که برای عموم مردم، بیشتر افراد هنوز به این فکر می‌کنند که چگونه وقت خود را بگذرانند. با این حال، در میان توده‌ها، همیشه نسبتاً کوچک از افرادی وجود خواهد داشت که با کمک هوش مصنوعی به‌طور قابل توجهی بهره‌وری را افزایش می‌دهند، که از نظر عددی مطلق بسیار بیشتر از دوران آموزش سنتی خواهد بود و عادلانه‌تر خواهد بود. در گذشته، کودکانی که در مناطق روستایی به دنیا می‌آمدند نمی‌توانستند آموزش دانشگاهی استاندارد دریافت کنند و نمی‌توانستند به توسعه نرم‌افزار بپردازند؛ اکنون، به شرطی که بخواهند خود را تغییر دهند، می‌توانند آنچه را که می‌خواهند به‌دست آورند.

او یک مفهوم فلسفی را که اغلب در بایت‌دنس مورد بحث قرار می‌گیرد، به عاریت گرفت: اگر شما Douyin را به‌عنوان یک پیله اطلاعاتی ببینید که خود را در آن غرق می‌کنید، به آنچه می‌خواهید ببینید، قطعاً غیرمولد خواهید شد؛ اما اگر آن را به‌عنوان یک پنجره به دنیای بزرگ‌تر ببینید و به‌طور فعال الگوریتم توصیه خود را آموزش دهید، می‌توانید هر چیزی را که می‌خواهید یاد بگیرید. او به یاد آورد که یک کودک از یک روستای دورافتاده در غرب که عاشق مدل‌سازی بود، لباس‌هایی از پلاستیک و پارچه درست می‌کرد و در مزارع روی صحنه می‌رفت. با ارسال مداوم ویدیوها، او در نهایت به میلان رفت تا مدل شود.

"در زمان‌های سنتی، هرچقدر هم که ایده‌های خود را منتشر کنید، تنها به‌عنوان یک دیوانه از سوی هم‌سالان و هم‌روستاییان خود دیده می‌شدید. اما با چنین ابزارهایی، می‌توانید از آن‌ها برای قدم گذاشتن به یک صحنه بزرگ‌تر استفاده کنید. هوش مصنوعی نیز همین‌طور است." [58:00]

گو یو معتقد است که دوران کودکی نسل ما متعلق به قرن گذشته است و به‌طور اجتناب‌ناپذیری به ذهنیت‌های ثابت منجر می‌شود؛ نسل بعدی این بارها را نخواهد داشت. به‌طور نسبی، عموم مردم هنوز به مصرف سرگرمی ادامه خواهند داد، اما تغییرات ناشی از هوش مصنوعی بسیار قابل توجه است. حتی یک بخش کوچک از افراد تولید و خلاقیت انفجاری را ایجاد خواهند کرد، "ما بسیاری از چیزهایی را خواهیم دید که هرگز حتی به آن‌ها فکر نکرده‌ایم."

Indigo ترجیح می‌دهد آن را رنسانس بنامد. درست مانند قرن‌های 14 و 15، که بهره‌وری به‌طور ناگهانی افزایش یافت و اشراف به‌طور افراطی برای حمایت از مهمانان و هنرمندان هزینه کردند و منجر به شکوفایی علم و هنر شد. نسل هیسی ژاپن قبلاً چنین وضعیتی را تجربه کرده است، اما علت آن مدل‌های اقتصادی بوده است نه هوش؛ اکنون، نسل بعدی در سطح جهانی به دلیل افزایش بهره‌وری ناشی از هوش مصنوعی زمان بیشتری خواهد داشت.

این یک شمشیر دو لبه است: زمان بیشتر ممکن است به معنای فرصت‌های شغلی کمتر باشد. اما خط فقر نیز به‌طور مداوم در حال افزایش است، "حتی اگر اکنون در بدترین وضعیت خود باشید، هنوز هم بهتر از پادشاهان 300 سال پیش هستید؛ شما انواع دستگاه‌های الکترونیکی دارید." Indigo معتقد است که مفهوم کار از زمان انقلاب صنعتی وجود داشته و باید پس از انقلاب هوش ناپدید شود. مردم تمایز خواهند یافت: برخی از آن‌ها با کمترین مقدار راضی خواهند بود و از درام‌های کوتاه و بازی‌ها زندگی خواهند کرد به شرطی که به جامعه آسیب نرسانند؛ در حالی که دیگران، کسانی که به‌طور متفاوت فکر می‌کنند، این رنسانس هوش مصنوعی را در اختیار خواهند گرفت.

"ما اکنون ابزارهای بی‌نهایت ممکن داریم. به شرطی که ایده‌های بی‌نهایت ممکن داشته باشید، می‌توانید کارهای بی‌نهایت ممکن انجام دهید." [61:55]

او پیش‌بینی می‌کند که در یک یا دو سال آینده، به شرطی که شما ابتکار کافی و خلاقیت انسانی منحصر به فردی در ذهنتان داشته باشید، ترکیب شده با هوش مصنوعی، قادر خواهید بود تعداد زیادی اثر تولید کنید، که به‌عنوان آثار هنری یا اشکال جدید رسانه‌ای شناخته می‌شوند؛ با این آثار، کسانی که با شما هم‌صدا هستند به سرعت در یک جامعه جمع می‌شوند و به‌طور مشترک در خلق شرکت می‌کنند. ساختار اجتماعی ممکن است از "وارد شدن به یک شرکت برای کار" به "کاربران حرفه‌ای که رسانه تولید می‌کنند، با بسیاری از آن‌ها که در اطراف رسانه جمع می‌شوند و یک چرخه از دنیای کوچک تشکیل می‌دهند" تغییر کند. بنابراین، رسانه‌های اجتماعی همچنان مهم باقی می‌مانند.

12. نصیحت برای جوانان: به سهام افتاده چسب نزنید

کار را به‌عنوان یک کاسه برنج طلایی در نظر نگیرید؛ اضطراب کوتاه‌مدت فرار از یک افول بلندمدت است.

در نهایت، Indigo از گو یو خواست که "پس از خریداری، بازنشسته شدن زودهنگام و مواجهه با انقلاب هوش مصنوعی" به جوانان نصیحتی بدهد.

گو یو ابتدا دو نوع جوان را توصیف کرد. یک نوع بسیار مضطرب هستند و از اینکه به زودی بیکار خواهند شد یا اصلاً نمی‌توانند کار پیدا کنند، می‌ترسند، زیرا کاهش هزینه‌ها و بهبود کارایی مبتنی بر هوش مصنوعی منجر به کاهش موقعیت‌ها در شرکت‌ها شده و آن‌ها را نسبت به آینده نامطمئن کرده است. نوع دیگر شامل کودکانی است که هنوز با این مسئله مواجه نشده‌اند؛ آن‌ها پر از علاقه به هوش مصنوعی هستند و اکنون می‌توانند اسباب‌بازی‌ها و بازی‌هایی را بسازند که قبلاً غیرقابل دسترس بودند. این دو نسل دقیقاً در مرز قرار دارند و تأثیر نمادین‌ترین هوش مصنوعی بر زندگی واقعی را نشان می‌دهند. با نگاهی به جلو، به‌عنوان مثال، وقتی امروز دو یا سه ساله‌ها بزرگ شوند، هوش برای آن‌ها به اندازه WeChat برای افراد مسن و QQ برای آن‌ها آشنا خواهد بود.

برای کسانی که مجبور به پیدا کردن کار هستند، مهم‌ترین نصیحت او این است: کار را به‌عنوان هدف اصلی زندگی در نظر نگیرید، کار را به‌عنوان یک ضرورت نبینید. بدون کار، انتخاب‌هایی که با آن مواجه هستید بی‌نهایت است، که ممکن است در کوتاه‌مدت اضطراب را تشدید کند زیرا نمی‌دانید چه می‌خواهید انجام دهید.

"اما دلیلی که شما انتخاب نکردید که کار کنید، در واقع فرار از یک افول بلندمدت است." [65:00]

او با یک تشبیه با سرمایه‌گذاری توضیح داد: وقتی یک سهام در تنگنا قرار می‌گیرد، آنچه شما باید تصمیم بگیرید نه قیمت خاصی که باید بفروشید یا چقدر ضرر خواهید کرد، بلکه دو چیز است: اول، آیا فرصت بهتری وجود دارد؟ دوم، آیا این در یک شیب طولانی به سمت پایین است؟ اگر خود کار در حال حاضر در یک شیب طولانی به سمت پایین است، چسبیدن به آن بزرگ‌ترین ریسک است.

او داستانی از پدرش به اشتراک گذاشت. پس از اصلاحات و باز شدن، بسیاری از افرادی که در شرکت‌های دولتی کار می‌کردند، می‌خواستند به سمت جنوب بروند تا "کسب و کار کنند"، اما آن‌ها از ریسکی می‌ترسیدند که امروز مردم سخت می‌توانند درک کنند: از دست دادن سابقه. بنابراین وقتی پدرش به سمت جنوب رفت، او هر ماه صدها یوان برای درخواست مرخصی هزینه کرد و نگران بود که اگر شکست بخورد، باید به خانه برگردد. سال‌ها بعد، آن معدن بسته شد. دوستانی از شمال شرقی چین این را حتی عمیق‌تر احساس کردند، زیرا کارگران بیکار زیادی وجود داشتند.

بنابراین، اولین قدم تغییر ذهنیت شماست. کار را به‌عنوان هدف اصلی در نظر نگیرید؛ این ممکن است باعث اضطراب کوتاه‌مدت شود، اما در درازمدت، این انتخاب بدون شک درست است. البته، این همچنین به ماهیت کار بستگی دارد: اگر شامل یک شغل خسته‌کننده با موقعیت امن باشد، یا اگر شما در حال تحصیل بیشتر برای آن هستید، او معتقد است که ضروری نیست؛ اما اگر شما توانایی پیوستن به یک آزمایشگاه پیشرفته هوش مصنوعی را دارید و یکی از کسانی باشید که همه این‌ها را ایجاد می‌کنند، آن شغل ارزش پیگیری دارد.

در مورد اینکه چگونه دنیای را کشف کنید و درآمد مورد نظر خود را پس از عدم کار به‌دست آورید، گو یو یک پیشنهاد بسیار خاص ارائه داد: به سمت جنوب بروید و ببینید مردم در شنزن چگونه با همه این‌ها روبرو می‌شوند. زمانی که او در دانشگاه بود، دو هم‌اتاقی از چائوشان داشت که در سال‌های 2010 و 2011 هرگز به فکر فارغ‌التحصیلی برای کار نبودند زیرا باور خانواده‌شان این بود که "بهتر است یک رئیس کوچک باشید تا برای کسی دیگر کار کنید." آن‌ها خودشان نمی‌توانستند توضیح دهند که این باور از کجا آمده است، اما این باور از نسل‌ها به ارث رسیده و به یک فکر عمیق تبدیل شده است.

"آن‌ها معتقدند که کار کردن برای دیگران به هیچ‌جا نمی‌رسد. من فکر می‌کنم این ایده در عصر هوش بسیار قابل اجرا است: خودتان رئیس باشید، خودتان OPC باشید. اگر نمی‌دانید چگونه رئیس خود باشید، به شنزن بروید." [68:20]

Indigo اضافه کرد که منطقه خلیج و سان‌فرانسیسکو در ایالات متحده نیز چنین مکان‌هایی هستند. او به‌ویژه با تشبیه سهام موافق است: چسبیدن به یک سهام غرق شده، هزینه واقعی، هزینه فرصت است. قبل از اینکه تسلیم شوید، ابتدا یک جهت را انتخاب کنید که می‌تواند بالا برود، سپس به‌طور متناسب تنظیم کنید؛ "مهم‌ترین چیز در سرمایه‌گذاری این است که هزینه فرصت را از دست ندهید."

افکار گسترش‌یافته

نگاه به این گفتگو به‌عنوان یک کل، می‌توان یک تم زیرین تکراری را پیدا کرد: جعبه‌های سیاه، توجه و هدف.

در سال 2015، مهندسان بایت‌دنس قبلاً با سیستمی که نمی‌توانستند به‌طور کامل توضیح دهند، همزیستی داشتند و به آزمایش تکیه می‌کردند تا به نتایج نزدیک شوند؛ ده سال بعد، همه کسانی که از مدل‌های بزرگ استفاده می‌کنند خود را در همان موقعیت می‌یابند. تفاوت این است که در آن زمان، تنها مهندسان توصیه به این ذهنیت نیاز داشتند، در حالی که اکنون، همه کسانی که با Agents کار می‌کنند به آن نیاز دارند. انحراف بین گو یو و Indigo در مورد "آیا باید برنامه‌ریزی کنیم" در واقع دو نگرش نسبت به یک جعبه سیاه را منعکس می‌کند: یکی این است که درک و کنترل را حفظ کنید، در حالی که دیگری به فرآیند در سطح هدف اعتماد کند. می‌توان پیش‌بینی کرد که با ادامه تکامل Harness، دومی به‌طور فزاینده‌ای قابل اجرا خواهد شد، اما "قضاوت" نماینده اول هرگز ارزش خود را از دست نخواهد داد؛ بلکه به کلید تمایز بین کاربران حرفه‌ای و کاربران عادی تبدیل خواهد شد.

خط دوم توجه است. جوهر تجاری بایت جذب توجه است؛ "همه چیز رسانه است" Indigo در مورد بسته‌بندی و تحویل توجه خود است؛ هک اشتباه تایپی که گو یو به آن اشاره کرد، میکروکوزم نبرد توجه است. با نزدیک شدن هزینه‌های حاشیه‌ای نرم‌افزار و محتوا به صفر، تنها منابع نایاب باقی‌مانده توجه افراد واقعی و خود افراد واقعی هستند. این ممکن است به این معنی باشد که در آینده، "مدیران محصول" و "خالقان محتوا" به‌طور تدریجی به یک نقش تبدیل خواهند شد.

خط سوم هدف است. از ماشین ریسندگی جنی تا First Class Harness، وسایل به‌طور مداوم جایگزین می‌شوند، در حالی که مردم به سمت سطح هدف حرکت می‌کنند. در سطح شخصی، این فرصت‌ها را ارائه می‌دهد، اما در سطح اجتماعی، چالش‌های واقعی را به وجود می‌آورد: وقتی هدف اکثر مردم "کشتن زمان" است و تنها 2% تا 3% می‌توانند از هوش مصنوعی به‌عنوان یک تقویت‌کننده استفاده کنند، یک زندگی راحت که به دوران هیسی شباهت دارد، نیاز به پیش‌نیازهایی از جمله شکاف ثروت کمتر و یک سیستم تأمین اجتماعی سالم دارد. مدل ژاپنی به این دلیل معتبر است که "درآمد از هر شغلی تقریباً یکسان است." اینکه آیا عصر هوش می‌تواند این پیش‌نیاز را تکرار کند، نه اینکه شکاف را بیشتر کند، ممکن است مسئله کلیدی باشد که آیا "رنسانس" واقعاً می‌تواند به اکثریت سود برساند.

نکات کلیدی

هوش مصنوعی زندگی مهندسان را آسان‌تر نکرده است؛ بلکه بار تصمیم‌گیری یک تیم کامل را به دوش یک نفر منتقل کرده است. گلوگاه واقعی از نوشتن کد به پرسش‌گری و قضاوت منتقل شده است و ریتم مغز انسان نمی‌تواند با ریتم هوش مصنوعی همگام شود. بنابراین، پیدا کردن یک ریتم پایدار برای همکاری با هوش مصنوعی به اندازه یادگیری استفاده از ابزارها مهم است.

موتورهای توصیه محتوا را برای هر کاربر شخصی‌سازی می‌کنند، در حالی که Agents نرم‌افزار را برای هر کاربر شخصی‌سازی می‌کنند. وقتی نرم‌افزار می‌تواند به‌طور آنی تولید شود و پس از استفاده دور انداخته شود، کل منطق کارآفرینی "ایجاد نرم‌افزار و سپس توزیع آن" نیاز به بازنگری دارد. ابتدا هدفی که نرم‌افزار قرار است به آن برسد را روشن کنید؛ اگر هدف را می‌توان بدون ایجاد نرم‌افزار به‌دست آورد، پس نیازی به ساخت آن نیست.

هوش به لایه‌بندی و کالا شدن ادامه خواهد داد. نه هر سناریویی به قوی‌ترین مدل نیاز دارد و در یک بازار محتوایی کاملاً رقابتی، قیمت‌ها در نهایت به هزینه‌های محاسباتی نزدیک خواهند شد. هوش به اندازه شیر ارزان خواهد شد، در حالی که منابع نایاب، نیت، قضاوت و افراد واقعی خواهند بود.

در عصری که با محتوای هوش مصنوعی غرق شده است، افراد واقعی در صفحه، افکار واقعی و ارتباطات بین افراد به تمایز قوی‌ترین تبدیل می‌شوند. هر قطعه کاری که شما ارائه می‌دهید در واقع رسانه است و جوامع در اطراف آن رسانه رشد خواهند کرد.

برای جوانان، مهم‌ترین چیز این است که کار ثابتی پیدا نکنند، بلکه قضاوت کنند که آیا بر روی یک شیب طولانی به سمت پایین ایستاده‌اند. اضطراب کوتاه‌مدت قیمت پرداخت شده برای اجتناب از یک افول بلندمدت است؛ اگر نمی‌دانید چگونه رئیس خود باشید، به شنزن یا منطقه خلیج بروید و ببینید چگونه کسانی که هرگز قصد کار برای دیگران را ندارند، زندگی می‌کنند.

توجه: این مقاله بر اساس زیرنویس‌های برنامه است، با نقل‌قول‌هایی که به‌صورت گفتاری سازماندهی شده و به‌طور سبک اصلاح شده‌اند.

این محتوا صرفاً برای اطلاع‌رسانی عمومی ارائه شده است و به‌منزله مشاوره مالی، سرمایه‌گذاری، حقوقی یا مالیاتی تلقی نمی‌شود. هرگونه رویداد، جایزه، کمپین آنلاین یا اطلاعات مرتبط که در اینجا ذکر شده است، نباید به‌عنوان توصیه، ترغیب یا دعوت به خرید، فروش، معامله یا هرگونه دادوستد دیگر دارایی‌های رمزارزی تلقی شود. دارایی‌های رمزارزی از نوسان بالایی برخوردار هستند و ممکن است منجر به زیان شوند. دسترسی به خدمات، محصولات و رویدادهای مرتبط با WEEX ممکن است بسته به منطقه جغرافیایی متفاوت باشد. اطمینان از اینکه استفاده شما از این خدمات با قوانین و مقررات محلی مطابقت دارد، بر عهده خود شماست.