Smak uniwersalny. O samolotach.

Autor:

w

Mamy smak słodki, słony, mamy umami, ale mamy też przejściowy lub trwały trend wypłaszczania smaku przez silniki LLM.

Zacznijmy od pewnej historii o pewnym hobby:

BDSM przy ADS-B

Ja jestem fanatykiem otwartych danych.

Od paru lat interesuje mnie zbieranie danych z samolotów przelatujących koło mnie. Każdy samolot wysyła sygnał radiowy ze swoją aktualną pozycją (ADS-B). Taki sygnał można bardzo łatwo odebrać i obrobić lub wysłać dalej. Fajne, nie? Tak działa np popularny FlightRadar24. Tysiące takich pasjonatów wysyłają dane z nudów, z hobby lub dla doraźnej korzyści. Ja stworzyłem FlightRadar24 dla samego siebie i przez parę lat trzymałem antenkę na balkonie, współdzieląc dane ze społecznością. Przy przeprowadzce do domu planuję wrócić do tego hobby, bo antenka, nawet przy swojej mikroskopijnej powierzchni, już się kurzy.

Dlaczego ludzie robią takie rzeczy i po co, opisuję w jednym z poprzednich wpisów.

Obraz wygenerowany przez AI. Balonik – szkic mojej trzyletniej córki w fikcyjnym otoczeniu.

Mój pierwszy plan zakładał wyświetlanie mapy sytuacyjnej w czasie rzeczywistym. Dashboard – jaki to pociąg, lądujący samolot, temperatura. Ten projekt jest bardzo prosty, więc nie poświęciłem mu wiele uwagi, cisnąłem w kąt i odpalę ponownie, gdy się przeprowadzimy. To jest robota na kwadrans.

Obrazek wygenerowany przez AI. Dashboard pokazuje dane plus minus rzeczywiste – to screenshot z mojego dashboardu, który już zaimplementowałem, przeżuty przez AI. Nie stać mnie obecnie na tak wielki ekran, ale napędza nas wizja.

Mój drugi pomysł zakładał dodatkowo budowę fizycznego urządzenia, tak, by mapa była dostępna niemal na żywo, by móc na nią rzucić okiem i żeby stanowiła ciekawy gadżet. W najprostszym wydaniu mógłby być to stary lub nowy tablet, który pokazywałby mapę z planu numer 1. Budowniczy musi budować. Kusi mnie idea uniwersalnego odbiornika i wyświetlacza, dodatkowo, to bardzo pouczające doświadczenie.

Przegadałem temat sam ze sobą, a potem ze sztuczną inteligencją i doszliśmy we trójkę do wniosku, że potrzebuję czegoś w stylu marki Braun. Czegoś nowoczesnego, ale nie błyszczącego. Wartość tego projektu to moja historia opowiedziana gościom mojego domu.

  • skąpy, industralny design
  • minimalna ilość kontrolek

Czysta funkcja.

AI wyrenderowało to dla mnie wiele razy, aż spodobało mi się to tak:

I to wszystko byłoby piękne, gdyby nie pewien szkopuł.

Czy i dlaczego nie będziemy mieć ładnych rzeczy?

Bezpośrednim bodźcem do podjęcia prac nad fizycznym ekranem było wspomnienie znajomej z pracy, że są ludzie, którzy planują to samo co ja. Ellie zwróciła moją uwagę na projekt Toma Haczewskiego. Podówczas miał parę wizualizacji z AI jak sam przyznaje.

Ja w międzyczasie zrobiłem swoje.

Jego gotowy projekt jednak… Wygląda tak:

Screenshot z https://www.gadgies.co.uk/; prawdopodobnie też render AI. Gratulacje, Tom – szczerze, to naprawdę fajna inicjatywa!

Po pierwsze, nie mogę zakładać, że Tom używa AI. Możliwe, że przelał swoje autentyczne przemyślenia w silnik tak, by wyprodukował wizualizację jego autentycznego projektu.

Podobnie jak w moim przypadku, kierował się pewnie najpraktyczniejszym możliwym wzornictwem. Potrzebujesz ekranu, potrzebujesz jednego i tylko jednego pokrętła. Ekran dotykowy to zbędny koszt i większa złożoność. Wtedy lepszy jest tablet. Wszystko inne jest zbędne. Ekran musi być pod kątem dla wygody odczytu z typowych pozycji. Mój ekran jest prostokątny, jego okrągły – to jedyna różnica. Oba urządzenia są małe (moje w skali do kapibarci, jego ma w nazwie tiny), bo są bezpretensjonalne, dyskretne, drugorzędne. To wszystko ma głęboki sens.

Jestem jednak ciekawy, w jak wielu przypadkach ma miejsce nieoczekiwane ujednolicenie wyborów. Czy projektując ten sam lub podobny system, wiedza LLM na temat preferencji użytkownika i ustawienia modelu są w stanie przebić w znaczący sposób kierunek domyślnej rekomendacji. Jeśli ta hipoteza okaże się prawdziwa, to powinniśmy widzieć LLM nie jako siłę wnoszącą zamęt i różnorodność, ale raczej kierunkowe ujednolicenie naszych wyborów.

Na różnych poziomach może odznaczać się to w silnej preferencji AI do pewnego wyboru lub do kierunku zmian. Podam przykład: zapytany o implementację interfejsu użytkownika, LLM będzie wolał przemilczeć problem i wybrać React niż Vue, autonomicznie. Niewiedza to różnorodność. Czerpanie wiedzy z tego samego źródła to wielkie zagrożenie. Jeśli moje decyzje okazują się lepsze, bo użyłem AI, co stanie się, gdy wszyscy zaczną podejmować dokładnie te same decyzje?

Komentarze

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *