เราไม่ได้ทำขั้นตอนการสร้าง EA แต่ทำให้ขั้นตอนการทิ้งขยะเป็นอัตโนมัติ

ครั้งก่อน ผมเขียนเรื่องให้ AI สร้างขอบเขตความสามารถในการค้นหาความเป็นไปได้ ขอบเขตความสามารถในการค้นหาคือก่อนจะสร้างเรื่องราวนี้คือ

ครั้งนี้เป็นในทางกลับกันหลังจากสร้างแล้วทิ้งเรื่องราวนี้จะกล่าวถึง
บทความนี้จะบรรยายหลักการในการสร้าง EA ด้วย AI เอเจนต์อย่างเป็นกระบวนการอัตโนมัติ เพราะฉะนั้นจึงแจกแบบแปลนเพื่อใช้งานได้ฟรี

สิ่งที่แพงที่สุดในการพัฒนา EA

ความเห็นส่วนตัวของผมคือ สิ่งที่ห้ามทำมากที่สุดในการพัฒนา EA คือ

ไม่สังเกตข้อผิดพลาดของตรรกะที่ไม่ดี แล้วพยายามลงมือเขียนและปรับแต่งมากเกินไปนั่นคือ

เมื่อคุณแปลงเป็นโค้ดแล้ว ลองปรับพารามิเตอร์หลายสิบแบบและสร้างตารางผลงานขึ้นมา ผู้คนจะไม่สามารถทิ้งมันได้ เพราะยิ่งใช้เวลาทุ่มไปมากเท่าไร ก็ยิ่งเสียใจที่จะปล่อยทิ้งไว้

สิ่งที่เรียกว่าเอฟเฟกต์ต้นทุนการเสียสละ (sunk cost effect)

และคนที่รู้สึกเสียดายจะเติมเงื่อนไขก่อนทิ้งเท่านั้นเพิ่มเงื่อนไขเพื่อหลีกเลี่ยงจุดที่แพ้แล้วหมุนใหม่ หากทำซ้ำจนกลายเป็น EA ที่มี “อัตราชนะ 100% และกำไรสูง” อย่างที่เคยเขียนไว้ในบทความก่อนหน้า อาจดูเกินจริง แต่เนื้อหาประเภทนี้สามารถเกิดขึ้นได้ง่าย

ดังนั้นผมจึงAutomated ขั้นตอนการสร้าง ไม่ใช่ขั้นตอนการทิ้ง

ทิ้งไป 4 ตัว

ด้วยระบบนี้ ผมทำการตรวจสอบเพื่อแปลงวิธีที่มีชื่อเสียงต่างๆ เป็น EA และทิ้งไป 4 ตัวติดกันและ discard

ไม่ได้ที่สร้างไม่ได้เพราะตนเองไม่ได้ตรงตามเกณฑ์ที่ตั้งไว้ก่อน

ผมป้องกัน “อีกนิดเดียว” ของทั้ง 4 ตัวอย่างด้วยกลไกแบบอัตโนมัติ (ถ้าพยายามถือต่อไป อันนึงในนั้นควรจะสามารถยกระดับจนขึ้นถึงระดับที่นำมาขายได้)

และสิ่งที่ผ่านเกณฑ์เดียวกันออกไปจริงๆ ก็ออกสู่ภายนอก EA ที่ผ่านกระบวนการนี้ได้ผ่านการตรวจสอบและขายได้

นี่ไม่ใช่การบอกว่าเมื่อ automatised ขั้นตอนการทิ้ง EA จะ “ผ่าน”“เครื่องที่เสียหายที่สามารถให้ผ่านได้เท่านั้น” หรือไม่เป็นการพิสูจน์ว่าไม่สามารถสร้างระบบที่รับประกันการผ่านได้

ทำไมให้แมชชีนทำการ判定

ไม่ใช่เพราะเร็วกว่า ความเร็วเป็นผลพลอยได้

เหตุผลที่แท้จริงคือเมื่อคุณ判定ด้วยตัวเอง หลังเห็นผลงานเกณฑ์จะขยับ

เดิมทีคุณตั้งใจจะ “ทิ้ง PF1.0 ต่ำกว่า” แต่เมื่อออก 0.98 ก็คิดว่า “แค่นิดเดียวเท่านั้น” ผมก็เคยทำหลายครั้ง ไม่ได้คิดว่าเกณฑ์ถูกละเมิด แต่มีเหตุผลที่ถูกต้องปรากฏในแต่ละครั้ง

หากให้เอเจนต์หมุนให้ต้องระบุเกณฑ์ไว้ก่อนถึงจะทำงานลำดับจะถูกบังคับให้ย้อนกลับ เพื่อให้เหตุผลไม่มั่นคงได้อีก

พอใช้งานแล้วเปลี่ยนอย่างไร

เวลาที่ใช้ในการทิ้งลดลงเดิมทีการละทิ้งโลจิกใจหนึ่งใช้เวลาหลายสัปดาห์ แต่เดี๋ยวนี้โลจิกที่ไม่ดีจะตกลงก่อนเขียนโค้ด

เหตุผลที่ถูกทิ้งจะยังคงอยู่ และโลจิกที่ไม่ดีจะถูกคัดกรองก่อนไม่ใช่ “ไม่ผ่าน” เท่านั้น แต่บอกว่า “ที่ประตูไหน ตัวเลขอะไร เกณฑ์อะไรถึงต่ำกว่ากำหนด” จะถูกเก็บไว้ ดังนั้น AI จะช่วยคัดกรองโลจิกที่คล้ายกันก่อนลองโลจิกอื่น

การเปิดเผยตัวเลขไม่กลัวอีกต่อไประบบจะตรวจสอบความสอดคล้องของค่าตั้งต้นโค้ดและตารางผลงานโดยอัตโนมัติ ทำให้ไม่เกิดเหตุการณ์ที่ “ตัวเลขที่เผยแพร่กับตัวจริงต่างกัน” ทั้งระบบเป็นการแก้ไขที่ใหญ่ที่สุดสำหรับผู้ขาย

มีเพียงหนึ่ง principle ที่จะบอก

principles ทั้งหมดมี 5 ข้อ แต่ที่นี่จะเขียนข้อที่ได้รับผลกระทบมากที่สุด

ตรวจจับสภาวะแวดล้อมที่ผิดพลาดให้เร็วที่สุด

บางครั้งค่าธรรมเนียมในสภาพแวดล้อมการตรวจสอบมีการตั้งค่าผิดพลาดอย่างมหึมา เมื่อไม่ทันสังเกตก็ทำการตรวจสอบโลจิกที่สมเหตุสมผลทั้งหมดดูเหมือนถูกทำลาย

ช่วงเวลานั้นผมสงสัยโลจิกเป็นส่วนหลัก ปรับเงื่อนไข ปรับพารามิเตอร์ ล้มเหลวไปหลายวัน เหตุผลคือสภาพแวดล้อม ไม่ใช่โลจิก

ดังนั้น ในขั้นตอนแรกสุดของกระบวนการเกตที่ตรวจสอบสภาพแวดล้อมก่อนเขียนโลจิกแม้แต่บรรทัดเดียวถูกเพิ่มเข้ามา ซึ่งไม่ได้เป็นอย่างที่คาดไว้ตั้งแต่แรก

สิ่งที่ระบบนี้ยังทำไม่ได้

“ให้คู่มือขั้นตอนผ่านไปเพื่อให้ AI ของคุณสร้างสินค้าผ่าน” — ยังไม่สามารถพิสูจน์ได้

ผลลัพธ์ที่ได้ในตอนนี้คือถ้าผมควบคุมงานเองบนไซต์จริง หากให้คู่มือขั้นตอนและเปลี่ยนคนหรือ AI แล้วไปถึงการผ่านยังไม่มีบันทึก

ดังนั้นระบบนี้ไม่ใช่ “อุปกรณ์ที่ผลิตสินค้าไร้คนควบคุม”หากคุณมี EA ที่ผ่านการทดสอบในสภาพแวดล้อมของคุณเอง แจ้งให้ทราบด้วย

ได้สรุปหลักการออกแบบลงใน PDF

4 หลักการที่เหลือ และเกตที่วางอยู่ในขั้นตอนใด (ลำดับการจัดวางเกต 0–4)“วิธีการให้ผ่านเมื่อไม่ผ่าน” และอะไรที่ไม่ควรปล่อยให้เครื่องมือเป็นผู้ถือไป。

สรุปเป็น PDF 6 หน้า แจกฟรีเราไม่อายที่จะเปิดเผยการวางเกตเพื่อทิ้งอย่างอัตโนมัติเป็นประโยชน์ต่อทั้งผู้ซื้อ EA และผู้ขายที่เกี่ยวข้อง

ฟรีแต่ต้องลงทะเบียนสมัคร