مطالعه تثبیت
چرا اهمیت دارد: لحظهای که یک پاسخ را میبینید، آن پاسخ به شکلی تبدیل میشود که هر ایدهٔ بعدی به سمت آن خم میشود. اگر اولین پاسخی که میبینید از یک هوش مصنوعی باشد، ایدههای خودتان هرگز فرصتی پیدا نمیکنند.
در مطالعهای بر روی طراحان ایدهپرداز، یک گروه با یک تصویرساز هوش مصنوعی کار کرد و گروههای دیگر بدون آن (Wadinambiarachchi et al., CHI 2024). گروهی که از هوش مصنوعی کمک گرفته بود، بیشتر بر روی نمونههایی که به آنها نشان داده شده بود متمرکز شد و ایدههای کمتری با تنوع و اصالت کمتر نسبت به گروه بدون آن تولید کرد.
تمرکز بیش از حد بر طراحی: پایبند ماندن به ویژگیهای مثالی که دیدهاید، حتی زمانی که از شما خواسته شده چیز متفاوتی ارائه دهید و حتی زمانی که آن مثال دارای نقص باشد.
این مطالعه در مورد طراحی بصری بود، نه کد، بنابراین آن را بیشتر به عنوان یک هشدار در نظر بگیرید تا یک قانون برای مهندسان. اما این مکانیزم آشناست. یک مسئله را در چت میچسبانید، یک پاسخ مرتب دریافت میکنید و سؤال ذهنتان بیسروصدا از «این چطور میتواند کار کند؟» به «آیا این پاسخ درست است؟» تغییر میکند. سؤال دوم بسیار آسانتر و محدودتر است.
عادتی که این ماژول آموزش میدهد
قبل از اینکه بپرسید، سه رویکرد خودتان را بنویسید. لازم نیست خوب باشند. باید با هم متفاوت باشند، تا قبل از اینکه چیزی جای آنها را پر کند، فضای ممکن را کاوش کرده باشید. برای دو درس بعدی، مربی قفل خواهد ماند تا زمانی که کد شما آنها را تعیین کند:
my_approaches = [
"precompute the answer nightly and store it",
"keep a running count that updates on every write",
"sample one order in ten and scale the result",
]خلاصه: دیدن یک مثال در اوایل کار، دامنه ایدههایی را که ارائه میدهید محدود میکند. ابتدا سه ایده متفاوت از خودتان ارائه کنید، سپس بپرسید.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.