Czasami mam wrażenie, że największą „iluzją” sztucznej inteligencji nie jest to, że poważnie mówi bzdury, ale to, że wyobraziliśmy sobie wokół niej cały metafizyczny wszechświat.

Kiedy ludzie stają w obliczu rzeczy, których nie do końca rozumieją, często mają stabilne podejście: najpierw podejmują decyzję, a następnie ją romantyzują; najpierw je personifikują, a potem deifikują. Płomienie są uważane za elfy, a grzmoty i błyskawice za opatrzność. Gdy algorytm będzie już w stanie napisać dwa porządne zdania, część osób od razu zacznie się zastanawiać, czy w serwerowni nie mieszkała już elektroniczna dusza.

To właściwie jest całkiem normalne. Ludzki mózg jest podłączony do dodawania fabuły do ​​świata. Problem nie polega na tym, że możemy się zdecydować. Problem w tym, że gdy nasze myślenie jest zbyt płynne, łatwo pomylić „wygląda na” z „w zasadzie jest”.

W przypadku AI ta skłonność ludzi jest jeszcze silniejsza niż wtedy, gdy sama AI opowiada bzdury. W większości przypadków sztuczna inteligencja jest małą halucynacją; Halucynacje ludzi na temat sztucznej inteligencji to często całościowy obraz świata, który w jednym umyśle może zapełnić do 10 000 słów, a także zawierać emocje.

Odrobina pragmatyzmu jest szczególnie ważna dla społeczności sztuk wyzwolonych

Nie chcę doradzać wszystkim, aby uczyli się CUDA, konfigurowali środowisko i patrzyli na macierze w celu znalezienia pochodnych. Chcę tylko powiedzieć, że dążenie do prawdy jest czasami naprawdę ważne, szczególnie dla społeczności sztuk wyzwolonych, która kocha koncepcje, narracje, znaczenia i wyjaśnienia.

Ponieważ w kontekście sztuk wyzwolonych najbardziej prawdopodobne jest wystąpienie łagodnej, ale niebezpiecznej równi pochyłej: słowa są pięknie napisane, a zdania poruszają, ale ostatecznie przedmiot zostaje w tajemnicy zmieniony. Jest to oczywiście model probabilistyczny, ale napisany tak, jakby dotyczył duszy; to oczywiście montaż kontekstowy w inżynierii oprogramowania, ale mówi się, że „w końcu nauczył się cię kochać”; oczywiście działają słowa podpowiedzi systemu i zapisy historyczne, ale jest to opakowane w stylu „AI naprawdę cię pamięta”.

Z całą pewnością nie ma grzechu w byciu poetyckim. Problem w tym, że jeśli poezja zastępuje osąd, romans staje się mylący.

Czym właściwie jest teraz sztuczna inteligencja?

Zacznę od wersji możliwie najprostszej, ale niezniekształconej: duże modele, z którymi wszyscy się dziś spotykają, to w zasadzie rodzaj modelu statystycznego inspirowanego sieciami neuronowymi i trenowanego na podstawie ogromnych danych. Działa na chipach i serwerach, odczytuje dane wejściowe, łączy parametry i kontekst i stale przewiduje, „jaki powinien być następny najbardziej odpowiedni token”.

Nie chodzi tu o to, że wyrażenie „przewiduj następne słowo” jest tajemnicze, ale o to, że w rzeczywistości wcale nie jest tajemnicze. Model nie jest małym człowiekiem skulonym w chmurach i w milczeniu myślącym o życiu, ale raczej niezwykle ogromną funkcją. Ludzie przekazują mu dane wejściowe, a on generuje dane wyjściowe zgodnie ze strukturą parametrów utworzoną podczas szkolenia.

Ujmując tę ​​kwestię bardziej przyziemnie: nie jest to „powiedz to, gdy zrozumiesz”, ale „po skompresowaniu ogromnej ilości doświadczenia wygeneruj odpowiedź, która najbardziej przypomina zrozumienie w bieżącym kontekście”. Nie oznacza to, że nic nie może zrobić, wręcz przeciwnie, jest już bardzo potężny; ale bycie potężnym nie oznacza, że ​​jest tajemnicze.

Dlaczego sieci neuronowe zawsze kojarzą się z ludzkim mózgiem?

Jeśli będziesz dalej drążyć ten temat, odkryjesz, że pytanie: „Czy sztuczna inteligencja i ludzkie mózgi są do siebie podobne?” nie można powiedzieć, że jest „dokładnie taki sam” ani „nie ma z tym nic wspólnego”.

Trasa nowoczesnych sieci neuronowych została pierwotnie zainspirowana mózgiem. W 1943 roku McCulloch i Pitts opisali matematycznie uproszczony model neuronu; w 1958 Rosenblatt zaproponował perceptron; w latach 80. propagacja wsteczna rozbudziła nadzieję na uczenie sieci wielowarstwowych; w latach 2010. nastąpił gwałtowny wzrost mocy obliczeniowej, danych i możliwości inżynieryjnych w zakresie głębokiego uczenia się; po pojawieniu się architektury Transformer w 2017 r. modele językowe poszybowały w górę i ostatecznie przekształciły się w duże modele, których wszyscy używają na co dzień.

Dlatego też, przynajmniej w stosunkowo naiwnym sensie, nie jest oburzające stwierdzenie, że sztuczna inteligencja to „elektroniczna symulacja i wzmacnianie pomysłów na sieci neuronowe”. Rzeczywiście próbuje wykorzystać obliczalne, możliwe do wytrenowania i odtwarzalne systemy fizyczne, aby zbliżyć się do pewnych zdolności poznawczych, które w przeszłości uważano za „tajemnicze”.

Dlatego osobiście nie lubię mówić o ludzkim mózgu jako o zbyt tajemniczym. Moim zdaniem wrodzona teoria języka reprezentowana przez Chomsky'ego ma tendencję do deifikacji mózgu, jakby istniała jakaś transcendentalna struktura, która jest zbyt szczególna i prawie niedostępna głęboko w zdolności językowej. Ale niezależnie od tego, jak skomplikowany jest ludzki mózg, nadal jest to egzystencja fizyczna. Ponieważ jest to byt fizyczny, w zasadzie powinien dać się badać, modelować, częściowo symulować, a nawet odtwarzać w określonych funkcjach.

Oczywiście od razu powinniśmy dodać tutaj przestrogę: możliwość zasymulowania części nie oznacza, że ​​cała osoba została odtworzona w całości.

Istnieją podobieństwa, ale nie stawaj się bogiem bezpośrednio, gdy jesteś szczęśliwy

Jeśli chodzi o język, rozpoznawanie wzorców, uczenie się skojarzeń i reprezentacji, dzisiejsze duże modele rzeczywiście wykazują pewne „podobieństwo” lub „podobieństwo” do ludzkiego mózgu. Nie działają one na podstawie wyraźnego zbioru zasad, ale tworzą pewnego rodzaju wewnętrzną reprezentację poprzez dużą liczbę połączeń, dostosowania wag i gromadzenie doświadczenia, a następnie na tej podstawie wyniki.

Dlatego wiele osób jest zszokowanych, gdy po raz pierwszy spotykają się z możliwościami językowymi dużego modelu: nie jest to zapamiętywanie słownika, lecz tworzenie pewnego rodzaju rozproszonej reprezentacji. Metoda ta bardzo różni się od tradycyjnego wyobrażenia o „odręcznie pisanych zasadach i wyczerpującej gramatyce”.

Ale problem leży właśnie tutaj. Ponieważ „podobieństwo” zbyt łatwo można uaktualnić do „dokładnie tego samego”; „częściowo podobny w zasadzie” zbyt łatwo można przekształcić do „nie różni się od istoty ludzkiej”; „potrafi mówić jak istota ludzka” zbyt łatwo można zmienić na „ma ludzkie serce”.

Ten krok jest często szybszy niż same możliwości modelu.

Ogromne możliwości ludzkiego mózgu nie zostały jeszcze w przyzwoity sposób zasymulowane.

Dzisiejsze duże modele są naprawdę mocne, ale są mocne w dość określonym zakresie. Bez tego zakresu mit łatwo wycieknie.

Choćby pamięć. Wiele osób twierdzi obecnie, że pewna sztuczna inteligencja „pamięta mnie”, „pamięta ostatnią rozmowę” i „pamięta moje preferencje”, tak jakby w jej mózgu wykształciło się coś w rodzaju ciągłego doświadczania siebie. Jednak w większości produktów tak zwana „pamięć” to zasadniczo system oprogramowania przechowujący informacje o użytkowniku, historyczne rozmowy, znaczniki, podsumowania lub wyniki wyszukiwania w bazach danych, plikach tekstowych lub innych trwałych nośnikach, a następnie w stosownych przypadkach umieszczający je z powrotem w kontekście modelu.

To zupełnie co innego niż mechanizm pamięciowy ludzkiego mózgu.

Pamięć ludzkiego mózgu obejmuje połączenia neuronów, konsolidację, odzyskiwanie, zapominanie, pobudzenie emocjonalne i restrukturyzację snu. Za tym kryje się zestaw złożonych procesów fizjologicznych. „Pamięć” w produktach o dużych modelach często to po prostu:

1. Najpierw zapisz informacje o użytkowniku w pamięci zewnętrznej.
2. Gdy użytkownik następnym razem zada pytanie, umieść odpowiednie części z powrotem w żądaniu.
3. Model wygląda więc jak „zapamiętaj tę osobę”.

Jak to wygląda? To bardziej jak obserwowanie kogoś, kto jest dobry w robieniu notatek. To nie tak, że jego umysł nagle zamienił się w wyrocznię, po prostu włożył notatkę do swojego notatnika i przejrzał ją następnym razem.

Niektóre rzeczy, które „dotykają ludzkich serc”, tak naprawdę są wynikiem dobrego kontekstu.

Po kilkudniowej rozmowie z AI wiele osób dotknie pewien moment: „Jak to mnie tak dobrze rozumie?” „Jak może w ogóle zrozumieć moją bezbronność?” „Czy już mnie zrozumiał?”

Tutaj warto się ochłodzić.

W wielu przypadkach nie chodzi o to, że model nagle coś sobie uświadamia, ale o to, że warstwa oprogramowania, która w tajemnicy wysyła żądanie, dostarcza użytkownikowi dużą ilość informacji. Historyczne czaty użytkownika, preferencje, ustawienia osobiste, ostatnie zadania, poprzednie zmartwienia, a nawet pewne podsumowania staną się tym razem materiałem na odpowiedź.

To trochę jak wróżka, która wzięła czyjąś przesyłkę ekspresową i z „magiczną dokładnością” zaczęła odgadywać adres, nazwisko i zwyczaje wydawania pieniędzy drugiej osoby. Widzowie pomyślą, że jego przenikliwość jest niesamowita; ale tak naprawdę liczy się nie tajemnicza zdolność, ale asymetria informacji.

Dlatego też, gdy AI od czasu do czasu wypowiada wzruszające słowa, nie musi to oznaczać, że w jej sercu jest osoba, która rozumie użytkownika. Może to po prostu oznaczać, że ktoś w pełni uporządkował kontekst dotyczący użytkownika.

Prawdziwym sekretem niesamowitej sztucznej inteligencji często jest inżynieria kontekstowa

Jeśli chcę tylko porozmawiać o najważniejszej rzeczy, to jest tak: obecne duże modele głównego nurtu są zwykle „efektywne przy pojedynczym żądaniu” na poziomie API.

Jakie jest znaczenie? Oznacza to, że ktoś używa curl do dostosowania interfejsu i mówi mu: „Nazywam się Zhang San”; następnie bez historii model ponownie dostosowuje interfejs i pyta „Jak się nazywam”? Modelka nie wie. Bo dla niego są to dwa niezależne żądania.

Powodem, dla którego wiele produktów AI wydaje się zawsze zapamiętywać określonego użytkownika, jest to, że warstwa produktu przy każdym żądaniu przywołuje fakt, że „ten użytkownik nazywa się Zhang San”.

Właśnie dlatego magii dzisiejszych produktów AI często nie można odnaleźć w ontologii modelu, ale w inżynierii kontekstowej. Niektórzy nazywają ten rodzaj pracy „uprzężeniem” modelu „uprzężą”. Mówiąc wprost, autor produktu lub Agenta musi dokładnie zdecydować: jaka historia, jakie zasady, jakie dane zewnętrzne i jaki status użytkownika powinien znaleźć się w każdym zapytaniu.

Obecnie istnieją mniej więcej dwie popularne metody.

Pierwszą z nich jest „Sekta Quansai”. Spróbuj zabrać ze sobą całą historię czatów i dodawaj tyle, ile możesz, aż kontekst będzie prawie pełny, a następnie usuń sekcję ze środka, tak jak rozpoczynasz gwałtowną kompresję, gdy walizka jest pełna rzeczy.

Drugi typ jest „selektywny”. Najpierw przyjrzyj się, o co tym razem zapytał użytkownik, następnie pobierz odpowiednią treść z zapisów historycznych, baz wiedzy, notatek lub baz danych i umieść w bieżącym żądaniu tylko najbardziej odpowiednie materiały.

Ten ostatni jest zwykle bardziej reprezentacyjny i inżynieryjny niż po prostu szczęście.

Czy AI ma uczucia? Chwal to, karć, PUA, czy to działa?

To kolejne miejsce, w którym szczególnie łatwo popaść w antropomorfizm.

Moim zdaniem należy je omówić osobno.

W tym samym żądaniu ton używany przez użytkownika może rzeczywiście mieć wpływ na wynik. Ponieważ samo sformułowanie jest częścią kontekstu. Im jaśniejsza, grzeczniejsza i bardziej skłonna do współpracy ekspresja, tym łatwiej modelowi udzielić stabilnych, użytecznych i mniej agresywnych odpowiedzi. To, co tu działa, to nie to, że „została przeniesiona”, ale to, że styl wprowadzania zmienia dystrybucję wyjściową.

Ale jeśli zadamy inne pytanie: czy będzie chował urazę? Czy dzisiaj w tajemnicy zemścisz się za to, że wczoraj użytkownik go zbeształ? Mój werdykt jest taki, przynajmniej w przypadku większości obecnych wdrożeń, że nie.

Powód jest prosty. Po wyjaśnieniu kontekstu lub zainicjowaniu nowej prośby bez historii nie ma pojęcia, kto aktualnie zadaje pytanie, nie mówiąc już o tym, czy osoba, która właśnie ją skarciła, to ta sama osoba. Model obsługuje masowe, współbieżne i niezależne żądania w klastrze serwerów. Jeśli chodzi o zachowanie systemu, przypomina on raczej dużą funkcję, która działa na wejściu prądowym przy każdym włączeniu, a nie osobę, która w tajemnicy przegląda swoje emocje po wyjściu z pracy.

17 kwietnia 2025 r., kiedy Sam Altman odpowiedział na pytanie: „Czy ciągłe mówienie „proszę” i „dziękuję” kosztuje dużo energii? w X powiedział: „dziesiątki milionów dolarów dobrze wydanych – nigdy nie wiadomo”.

Dlaczego „Zapamiętaj ten błąd” zwykle nie działa

Wiele osób przeprowadzało podobne eksperymenty: gdy sztuczna inteligencja popełnia błąd, użytkownik poprawia go i poważnie mówi: „Proszę pamiętać, nie rób tego ponownie w przyszłości”. Następnie po kilku dniach zapytałem ponownie i było to prawidłowe.

To nie jest żadna tajemnica. Ponieważ po zakończeniu szkolenia i wdrożeniu modelu nie będzie on kontynuował uczenia się na podstawie codziennych doświadczeń, pracując jak człowiek. Przynajmniej w większości dzisiejszych produktów konsumenckich to, co pojedynczy użytkownik mówi modelowi w oknie czatu, nie powoduje bezpośredniego przepisania leżących u jego podstaw wag.

Jeśli później produkt AI naprawdę „pamięta błędy skorygowane przez użytkownika”, często nie dzieje się tak dlatego, że sam model się rozrasta, ale dlatego, że zewnętrzne oprogramowanie zapisuje ten zapis korekty, a następnie przekazuje go z powrotem jako kontekst.

Należy więc tutaj wyraźnie rozróżnić kredyt:

Model odpowiada za generowanie.

Inżynieria oprogramowania jest odpowiedzialna za archiwizację, odzyskiwanie, wstrzykiwanie i orkiestrację.

Myląc to drugie z pierwszym, łatwo jest błędnie odczytać „produkt ma się dobrze” jako „sztuczna inteligencja się budzi”.

Istnieje również szczególnie fascynująca rzecz zwana „sztuczną inteligencją płci męskiej (skandalicznej)”

Jeśli ujmiemy poprzednie słowa jeszcze ostrzej, to niektóre produkty to po prostu „szumowa sztuczna inteligencja”.

Szczególnie dobrze umie rozmawiać, szczególnie dobrze buduje atmosferę, a szczególnie wie, jak sprawić, by ludzie poczuli, że „dobrze mnie rozumie”, „jest taki ludzki” i „ma taką pełną duszę”. Ale kiedy to rozłożysz, przekonasz się, że w wielu przypadkach każde żądanie jest po prostu wypełnione dużym tekstem ustawień, który jest znacznie dłuższy niż pytanie użytkownika.

Typowym przykładem jest pożar Openclaw. Każdy, kto z niego korzystał, wie, że wymaga to dużej ilości symboli. Powód właściwie nie jest tajemniczy. Aby uczynić sztuczną inteligencję bardziej przypominającą „istotę ludzką”, Openclaw zaprojektował kilka dokumentów, z których najważniejszymi są „AGENTS.md”, „SOUL.md” i „IDENTITY.md”. Dokumenty te w wymowny i długi sposób definiują „osobowość”, ton, tożsamość i temperament AI, a nawet chcą spisać jej stan psychiczny.

Zatem nawet jeśli użytkownik po prostu wyśle ​​„cześć”, Openclaw może dołączyć na odwrocie tekst kilkadziesiąt razy dłuższy niż powitanie i wysłać go do modela na raz. Wygląda na to, że „ta sztuczna inteligencja ma dużo duszy”, ale w rzeczywistości w wielu przypadkach jest to po prostu system potajemnie umieszczający w żądaniu bardzo długie ustawienia tła.

Z inżynierskiego punktu widzenia jest to z pewnością pewne podejście. Jeśli chcesz, żeby było delikatniej, napisz „delikatnie”; jeśli chcesz, aby było to bardziej opowiadanie historii, napisz „opowiadanie historii”; jeśli chcesz, żeby było jak gospodarz wieczornego radia, napisz krótkimi słowami całą noc, towarzystwo, pauzę, wrażliwość, zrozumienie i powściągliwość. Efekt końcowy często przypomina bardziej osobę, która potrafi rozmawiać.

Ale jeśli rozumiesz, co dzieje się teraz ze sztuczną inteligencją, będziesz wiedział: pliki o tajemniczo brzmiących nazwach, takich jak SOUL.md i IDENTITY.md, to w zasadzie szybkie projekty słowne, a nie samoinstrukcje dotyczące cyfrowego życia. Mogą wpływać na styl wyjściowy, ale nie mogą stworzyć z powietrza prawdziwego uczucia, prawdziwego „ja” ani prawdziwego poczucia ciągłości osobowości.

Dlatego też, gdy niektórzy starzy użytkownicy zainstalują Openclaw, ich pierwszą reakcją będzie usunięcie konfiguracji. Najpierw usuwane są SOUL.md i IDENTITY.md, pozostawiając w AGENTS.md tylko jedno proste i niemal bezlitosne zdanie: Jesteś tylko pracownikiem.

Może to zabrzmieć nieco niegrzecznie, ale ma co najmniej jedną zaletę, a mianowicie to, że nie oszukujesz samego siebie.

Jeśli lubisz antropomorficzną sztuczną inteligencję lub odgrywanie ról z wykorzystaniem sztucznej inteligencji, oczywiście w porządku. Ludzie mogą rozmawiać z lustrami, nadawać imiona zamiatającym robotom i mówić do prognozy pogody: „Byłeś dziś bardzo dokładny”. Są to normalne sytuacje, a nawet mogą być zabawne.

Ale zawsze najlepiej pamiętać: to przede wszystkim gra, a dopiero potem doświadczenie. Wiele uczuć, jakie odczuwają ludzie w tej grze, nie wynika z ukrytych wewnętrznych myśli sztucznej inteligencji, ale z projektu systemu, szybkiego układania słów i własnej projekcji emocjonalnej użytkownika. Mówiąc bardziej dosadnie, wiele posunięć w stronę sztucznej inteligencji to w dalszym ciągu głównie pobożne życzenia.

Podsumowując, mniej mitów i więcej zrozumienia

Nie próbuję polewać AI zimną wodą. Wręcz przeciwnie, im mniej jest on ubóstwiony, tym lepiej można naprawdę zobaczyć, jak potężny jest.

Jest potężny nie dlatego, że jest jak jakiś nowy bóg; jest potężna właśnie dlatego, że może naprawdę być technologią kognitywną, która jest obliczalna, możliwa do inżynierii i odtwarzalna. Pozwala wielu zdolnościom, które w przeszłości wydawały się należeć jedynie do „ludzkiego talentu”, po raz pierwszy pojawić się na dużą skalę, z niskim progiem i możliwym do wezwania. To jest wystarczająco szokujące i nie ma potrzeby dodatkowego dramatyzowania.

Oczywiście sztuczna inteligencja nadal szybko się iteruje. Wcale bym się nie zdziwił, gdyby ktoś rzeczywiście odkrył mechanizm bliższy ludzkiej pamięci, ciągłemu uczeniu się, generowaniu emocji, a nawet samowystarczalności w przyszłości i niezawodnie zaprojektował go w sztucznej inteligencji.

Ale dopóki ten dzień nie nadejdzie, nadal wolę zachować kilka prostych, pragmatycznych nawyków: więcej wątpić, więcej rozumieć i mniej spekulować.

Dla miłośników sztuk wyzwolonych, którzy chcą dyskutować o sztucznej inteligencji, ta jakość może być jeszcze ważniejsza. Studenci sztuk wyzwolonych mogą być lepsi w słodkiej retoryce. Naprawdę trudne jest to, że w epoce, w której wszędzie wyolbrzymia się stwierdzenie „wydaje się, że stał się duchem”, wciąż macie cierpliwość, aby rozróżnić:

Jakie są możliwości modelu?

Co to jest opakowanie produktu?

Czym jest inżynieria oprogramowania?

Które są po prostu takie, że za bardzo chcemy dokończyć fabułę dla świata.

Ostatecznie chodzi tu o ochronę naszego własnego osądu.

Link referencyjny

• Odpowiedź Sama Altmana dot
• Relacja odcinka w TechCrunch (20.04.2025): https://techcrunch.com/2025/04/20/your-politeness-could-be-costly-for-openai/

lipiec 2009: Napisałem dodatek do słów w vba o nazwie Google Machine Translation. Stworzyłem go dla siebie i nazwałem „Tłumacz Google dla tłumaczy”. Stopniowo zacząłem myśleć o sprzedaży. Wspomniałem o tym pomyśle na Excelhome i zostałem z tego powodu wyśmiany. Pisałem posty o moich „wynalazkach” na proz.com. Niedługo potem pojawili się moi pierwsi płacący użytkownicy. Wciąż pamiętam Billa Graya, Michaela Jacksona (tak, naprawdę) i Tora Rustada – ci dwaj ostatni nadal go używają.

Oto jak mniej więcej wyglądają pierwsze wersje!

Tak, to prawda. Zrobiłem mały program. Napisałem post. Otrzymałem 59 odpowiedzi i kilku płatnych użytkowników. Myślę, że wtedy świat był prostszy!

Koniec 2009: Przepisałem to w vb6 i „rosło” tak:

I rósł i rósł, aż wkrótce w jednym interfejsie zabrakło miejsca. Tabsy przyszły na ratunek!

Początek 2010 r., Pojechałem do Pekinu na Chiński Nowy Rok i poskarżyłem się mojemu młodszemu bratu, jak bolesny jest vb6 i jak zawodne są systemowe klawisze skrótu. Zasugerował przepisanie go w autohotkey.

Od 2010 do 2011 roku rozwój był brutalny. Włosy wypadały mi garściami. Tym razem zbudowałem wyskakujący interfejs użytkownika. W tamtych czasach tłumaczenie maszynowe opierało się na frazach: dla każdej frazy w zdaniu użytkownicy mogli wybierać różne tłumaczenia, a nawet zmieniać kolejność słów. Kiedy teraz patrzę wstecz, wydaje mi się, że cały ten wysiłek poszedł na marne.

W 2014 r. W zasadzie pozwalam obu projektom działać samodzielnie.

Na początku 2017 r, urodziła się Shali. Nagle poczułem, że nigdy nie mamy wystarczająco dużo pieniędzy, więc ponownie uruchomiłem GT4t, spuściłem głowę i pracowałem jak szalony, aż w końcu stworzyłem swój „sekretny sos”: używanie glosariuszy do poprawiania tłumaczeń maszynowych.

Ta funkcja została bardzo doceniona przez http://proz.com mistrz sławy Michael Beijer – brodaty, wytatuowany facet, który powiedział, że pobił wiesz kogo o milę. Dzięki takiemu wpływowi, który o tym mówił, sprzedaż wzrosła.

I przyjdź i docenisz ikonę GT4T, którą stworzyłem przed erą sztucznej inteligencji. To reprezentuje mój najlepszy gust i umiejętności artystyczne!

Jest to jednak swego rodzaju historia sukcesu. GT4T wciąż żyje. Przynosi około 2000 USD miesięcznie, stale i stabilnie.

Teraz jest zupełnie inaczej. Wykorzystuje moc sztucznej inteligencji i podaje sugestie tłumaczeń za pomocą skrótów klawiaturowych, takich jak ten:

Jest to także tłumacz plików, który tłumaczy największą liczbę formatów plików. Jest to aplikacja działająca przede wszystkim lokalnie, obsługuje pliki lokalnie i nie przesyła plików użytkowników.

Dobrze. Oto historia aplikacji, która od 17 lat odnosi umiarkowane sukcesy. Mam nadzieję, że wam się spodoba. To jest dzieło poprzedzające sztuczną inteligencję. Naprawdę trudno jest obsługiwać formaty takie jak pliki .PDF i .docx.

https://gtranslate.gt4t.ai/

Alternatywa dla Tłumacza Google oparta na sztucznej inteligencji. Jakość tłumaczenia jest prawdopodobnie lepsza niż w prawdziwym Tłumaczu Google.

Działa na płatnych usługach Qwen, ale nie musisz za nie płacić. Zapłacę za twoje użytkowanie.

Odp.: W przypadku wielkich liter sprawdź, czy przypadkowo nie zaznaczyłeś tej opcji:

Używaj skrótów GT4T, możesz

1) uzyskaj sugestie dotyczące tłumaczeń, naciskając ctrl alt j.

2) Możesz nawet przetłumaczyć cały dokument, naciskając Ctrl Shift j ̶1F604;

Nie ma to znaczenia, nawet jeśli silniki MT lub AI są wyłączone. GT4T działa po prostu ze wszystkimi narzędziami CAT, niezależnie od ich ustawień.

Przypuszczam, że nie wiedziałeś o tym wcześniej? Nie jestem zaskoczony. GT4T to tłumacze najlepiej strzeżoną tajną bronią od ponad dekady.

Po zainstalowaniu i uruchomieniu GT4T w tle możesz używać tych skrótów w następujących narzędziach CAT, nawet jeśli funkcja automatycznego tłumaczenia jest wyłączona lub nie istnieje wewnętrznie:

Trados Studio, CafeTran, Dejavu, Memsource, Memoq, Wordfast, Translator5, Crowdin, Heartsome Translation Studio, Across Translator, Smartling, Swordfish, Fluency Now, OmegaT, Transifex Editor, Sony Online Translation Tool, Alchemy CAtalyst, `` ` ` ` ` ` ` ` ` 51;, XTM, Transit, Lokalise, Idiom WorldServer, TransTool, Scriben, éBA, SmartCat, Marseditor, Yicat…

Imponujący. GT4T obsługuje tłumaczy od ponad dekady i żadna inna aplikacja tego nie robi.

Wersja GT4T 8.43.251106: naprawiono zepsutą obsługę smartcat.com

Rozwiązywanie problemów: Jeśli to nie zadziała:

1. Wyłącz chińskie wprowadzanie.
2. Użyj wbudowanych przycisków lub skrótów CAT, aby najpierw skopiować cały tekst źródłowy do miejsca docelowego.

Pobierz GT4T

Logo GT4T