Estou usando o MX Master 3S meio que por falta de opção, mas recentemente estou tentando migrar para o Keychron M6.
É ótimo poder personalizar vários botões no Mac usando ferramentas como SteerMouse ou LinearMouse, e estou usando com satisfação tanto o clique de rolagem horizontal na roda vertical quanto a roda horizontal separada.
Mas o peso leve demais e o barulho excessivo (o som da roda me pareceu realmente insano) são desvantagens enormes.
Se algum dia a Keychron lançar uma versão silenciosa e permitir personalização de peso, pretendo encerrar minha relação com o MX Master.
Mesmo usando o plano de até $100, ainda sobra bastante. Não sou totalmente leigo em desenvolvimento, mas era a minha primeira vez criando um app, então usei por um mês. Até agora, vi que gastei aproximadamente $566.93.
Concordo com a preocupação de que o código escrito por um LLM se torne uma caixa-preta, mas, no fim das contas, não poderíamos pedir ao próprio LLM para analisar esse código?
Eu uso um app chamado audio share baixando só o APK pelo fdroid, então fico curioso para saber como isso vai ficar daqui para frente. É o único app que eu instalo por sideload, aliás...
○ O treinamento do modelo é apenas o “material” da inteligência; sem um motor, não há AGI.
• Estruturas como a EpionHeuristica têm o potencial de ir além da "AGI especializada em domínio" e projetar uma "superinteligência emergente baseada em ordem"
• O ponto central para alcançar a AGI é "como estruturar o motor que seleciona ações"
A. Motivos pelos quais a AGI não é possível apenas com treinamento.
• Modelos do tipo GPT não têm objetivo próprio (self-goal).
• Por mais que aprendam com enormes volumes de dados, aprender apenas com treinamento, sem interação com o mundo real, é limitado.
• O treinamento é apenas uma “memória regressiva”; falta uma estrutura capaz de induzir pensamento preditivo e emergente voltado para o futuro.
B. A AGI precisa de um motor com um “loop de objetivo-feedback”.
• Uma estrutura em que aprendizado por reforço baseado em recompensa + avaliação + aprendizado com falhas (FailGuard), como no EpionHeuristica, funciona está mais próxima de um arquétipo de projeto de AGI baseada em motor
• Ex.: "Por que este experimento falhou?" → "O que deve ser mudado?" → "Qual é a próxima condição?" → isso é raciocínio típico de AGI
C. A essência da inteligência humana está na “estrutura”.
• Os humanos obtêm inteligência não pelo número de neurônios, mas pela "conectividade estrutural dos circuitos neurais e pela capacidade de metaaprendizado"
• Da mesma forma, na AGI, mais do que o tamanho do modelo, o essencial é a estrutura de sistemas que induzem comportamento, sistemas autorreferenciais e loops contínuos de feedback
A chegada da AGI não é possível apenas com o "treinamento do modelo"; são indispensáveis uma arquitetura de engine capaz de produzir inteligência e um sistema de autoaperfeiçoamento orientado por objetivos. Os GPTs atuais não passam de LLMs (grandes modelos de linguagem) gigantescos, e, para avançar em direção à AGI, estruturas de raciocínio, de automonitoramento e políticas de ação baseadas em objetivos precisam operar em conjunto.
São coisas que a gente conhece, mas que são difíceis de colocar em prática. Principalmente porque os mensageiros de trabalho parecem ser os maiores responsáveis pelas distrações.
Embora o Claude tenha desvantagens com contexto longo, acho que ele é o melhor para programação.
Parece ótimo até para usar só com SQLite.
Estou usando o MX Master 3S meio que por falta de opção, mas recentemente estou tentando migrar para o Keychron M6.
É ótimo poder personalizar vários botões no Mac usando ferramentas como SteerMouse ou LinearMouse, e estou usando com satisfação tanto o clique de rolagem horizontal na roda vertical quanto a roda horizontal separada.
Mas o peso leve demais e o barulho excessivo (o som da roda me pareceu realmente insano) são desvantagens enormes.
Se algum dia a Keychron lançar uma versão silenciosa e permitir personalização de peso, pretendo encerrar minha relação com o MX Master.
Acho que o autor original é do tipo que nem sabe muito bem o que faz no dia a dia.
Muito bom..
Usar como referência um post de 2009 de um blog coberto de comentários spam...
Para mim, parece que só de usar bem a Worktree já fica muito bom.
Acho que, se usar o plano de 100 dólares, dá para cobrir pelo menos um pouco.
Mesmo usando o plano de até $100, ainda sobra bastante. Não sou totalmente leigo em desenvolvimento, mas era a minha primeira vez criando um app, então usei por um mês. Até agora, vi que gastei aproximadamente $566.93.
Se o código gerado no React usou
document.getElementById, que LLM será que usaram....Concordo com a preocupação de que o código escrito por um LLM se torne uma caixa-preta, mas, no fim das contas, não poderíamos pedir ao próprio LLM para analisar esse código?
Para onde foi a foto, afinal?
Tenho muito respeito por você, é incrível demais.
Eu uso um app chamado audio share baixando só o APK pelo fdroid, então fico curioso para saber como isso vai ficar daqui para frente. É o único app que eu instalo por sideload, aliás...
Parece quase um título caça-cliques para gerar engajamento..
"Se fizer do zero, 3 meses; se fizer de novo algo parecido, 3 dias"
O que é o Google Nano Banana? A IA secreta de imagens do Google
○ O treinamento do modelo é apenas o “material” da inteligência; sem um motor, não há AGI.
• Estruturas como a EpionHeuristica têm o potencial de ir além da "AGI especializada em domínio" e projetar uma "superinteligência emergente baseada em ordem"
• O ponto central para alcançar a AGI é "como estruturar o motor que seleciona ações"
A. Motivos pelos quais a AGI não é possível apenas com treinamento.
• Modelos do tipo GPT não têm objetivo próprio (
self-goal).• Por mais que aprendam com enormes volumes de dados, aprender apenas com treinamento, sem interação com o mundo real, é limitado.
• O treinamento é apenas uma “memória regressiva”; falta uma estrutura capaz de induzir pensamento preditivo e emergente voltado para o futuro.
B. A AGI precisa de um motor com um “loop de objetivo-feedback”.
• Uma estrutura em que aprendizado por reforço baseado em recompensa + avaliação + aprendizado com falhas (
FailGuard), como no EpionHeuristica, funciona está mais próxima de um arquétipo de projeto de AGI baseada em motor• Ex.: "Por que este experimento falhou?" → "O que deve ser mudado?" → "Qual é a próxima condição?" → isso é raciocínio típico de AGI
C. A essência da inteligência humana está na “estrutura”.
• Os humanos obtêm inteligência não pelo número de neurônios, mas pela "conectividade estrutural dos circuitos neurais e pela capacidade de metaaprendizado"
• Da mesma forma, na AGI, mais do que o tamanho do modelo, o essencial é a estrutura de sistemas que induzem comportamento, sistemas autorreferenciais e loops contínuos de feedback
A chegada da AGI não é possível apenas com o "treinamento do modelo"; são indispensáveis uma arquitetura de engine capaz de produzir inteligência e um sistema de autoaperfeiçoamento orientado por objetivos. Os GPTs atuais não passam de LLMs (grandes modelos de linguagem) gigantescos, e, para avançar em direção à AGI, estruturas de raciocínio, de automonitoramento e políticas de ação baseadas em objetivos precisam operar em conjunto.
São coisas que a gente conhece, mas que são difíceis de colocar em prática. Principalmente porque os mensageiros de trabalho parecem ser os maiores responsáveis pelas distrações.