Suurin osa ohjelmistoista on edelleen sitä mieltä, että maailma antaa sille puhtaat tulot ja vakaat säännöt Tuotanto ei yleensä tee kumpaakaan
Tämä ilmoitus on - -linjan läpi kulkeva luettelo monista asioista, joita olen rakentanut. DiSE, Rajoitettu epämääräisyys, CFMoM, Vähennetty RAG, StyloFlow, Tietokonetekniikan kymmenen käskyä, ja Stylobot.
En päässeet tänne, koska aloitin suurenmoisesta teoriasta.1 Pääsin tänne, kun kuuntelin välineitä, joita pidän mielenkiintoisina ja yritin selvittää, mitä ne todella tekevät.2 Lyhyesti sanottuna.3 Tekijänteko.4 Saattaminen takaisin.5 Poisto.6 Luettelo.7 Kun lopetat kuulemisen markkinointilaajasta.8 Useimmat hyödyllisistä eivät tee yhtä ihmeellistä asiaa.9 keräävät osittaisia todisteita.10 rajoittavat niitä.11 muuttavat ne vastaukseen tai toimenpiteeseen.12
Sen jälkeen, kun olen rakentanut riittävästi tällaisia järjestelmiä, lopetin ajattelemasta niitä erillisinä keinoina ja aloitin näkemään saman arkkitehtuurin alhaalta.
Tämä on olennainen osa sitä, mitä tarkoitan Behavioural inference system.
Se selittää myös, miksi nämä rakenteet toimivat hyvin koodin LLM:ien kanssa.
Aikaisemmin tässä sarjassa:
Useimmissa tuotantojärjestelmissä on edelleen yksi kahdesta huonosta virheestä.
Molemmat voivat toimia jonkin aikaa. Molemmat katkeavat, kun ympäristö siirtyy
Monilla todellisilla järjestelmillä on itse asiassa tämä :
flowchart LR
A[Messy Input] --> B[Partial Signals]
B --> C[Conflicting Evidence]
C --> D[Uncertain Interpretation]
D --> E[Need to Act Anyway]
style A stroke:#ef4444,stroke-width:2px
style E stroke:#22c55e,stroke-width:2px
Esimerkkejä:
Näillä aloilla on vain harvoin yksi ratkaiseva tosiasia: ., fragmentit, ,, joitakin hyödyllisiä,,, joitain meluisia,, ja joitakin aktiivisesti harhaanjohtavia.
Tästä syystä palaan edelleen signaaleihin,rajoitusten, ja havaitsevuudenM SK2
Jos haluatte, että järjestelmä paranee, teidän on nähtävä, mitä se on havainnut , mitä se uskoiM SK2 ja miksi se toimi. Jos tämä jää haudatuksi hajanaisissa kooditiedoissaMSC4 mukauttaminen muuttuu arvailuksiMST5 Jos se on selväsanainenMSV6 voitte itse asiassa parantaa sitä tarkoituksellisella tavalla
Tärkein askel DiSE ei ollut "lähettävä LLM-muutoskoodi Se oli tämä
käsitellään arkkitehtuuria sellaisena, joka voi nousta esiin valikoivaan paineeseen nähden.
DiSE-ohjelmassa muutetaan ohjelmistoa "build, shipM SK2 patchMSC3 "perceive, evaluate
flowchart LR
subgraph Traditional["Traditional Software"]
T1[Build] --> T2[Ship] --> T3[Patch]
end
subgraph DiSE["DiSE"]
D1[Perceive] --> D2[Evaluate]
D2 --> D3[Mutate]
D3 --> D4[Select]
D4 --> D1
end
style Traditional stroke:#ef4444,stroke-width:2px
style DiSE stroke:#22c55e,stroke-width:2px
Tämä on tärkeää, koska monissa järjestelmissä ei tiedetä etukäteen:
Näin ollen järjestelmä tarvitsee tilaa tutkia.
Ainoastaan tutkiminen ei kuitenkaan riitä. Voitte muttilla tietänne järjettömyyteen yhtä helposti kuin hyödyllisiin asioihin
Rajoitettu epämääräisyys on valvontataso, joka lopettaa sen, että koko asia muuttuu mushiksi
Säännös on yksinkertainen:
todennäköiset osatekijät voivat ehdottaa;päätöksiä deterministisista järjestelmistäM SK1
flowchart TB
I[Input] --> S[Deterministic Substrate]
S --> P[Fuzzy Proposer]
P --> C{Constrainer}
C -->|Pass| O[Output]
C -->|Partial| R[Rewrite / Hedge]
C -->|Fail| F[Fallback]
S -.evidence.-> C
style S stroke:#22c55e,stroke-width:3px
style P stroke:#f59e0b,stroke-width:3px
style C stroke:#ef4444,stroke-width:3px
DiSE:n mukaan " -aluetta tutkitaan, ."-aluetta tarkastellaan.
Ilman näitä rajoja todennäköiset järjestelmät tekevät sen, mitä ne aina tekevät
Siksi Tietokonetekniikan kymmenen käskyä asia. M SK1LLM:t eivät saa omistaa valtiota ", "\LLM-järjestelmät eivät voi olla ainoa sivuvaikutuksen aiheuttajaMSC4vaikutukset", ja \ "Ei koskaan pyydetä LLM:ta päättämään johdannaisesta booleanistaMST7 ne eivät ole stiltitarkoituksiaMst8 ne ovat toimintasääntöjä järjestelmille, joiden on selviydyttävä tuotannostaM st9
Samaa mallia esiintyy kaikkialla:
flowchart LR
A[DiSE<br/>Search and Selection] --> B[Constrained Fuzziness<br/>Bounded Proposal]
B --> C[Behavioural Inference<br/>Evidence Over Time]
style A stroke:#3b82f6,stroke-width:2px
style B stroke:#f59e0b,stroke-width:2px
style C stroke:#22c55e,stroke-width:2px
Kun nämä kaksi ajatusta yhdistetään, saamme käytännön mallin.
Tämä on Vähennetty RAG, StyloFlow, ja signaali CFMoM kaikki liikkeellä.
Kun lopetetaan teeskentely siitä, että yhden mallin tai yhden sääntöjen moottorin pitäisi tehdä kaikki, hyödyllinen suunnittelu primitive muuttuu merkki.
Hyvä signaali on:
Tärkeintä on, että signaali on komprimoitu käytös. Se ei ole koko maailmaa. Se on se osa, jota voidaan säilyttää.
flowchart LR
R[Raw Reality] --> X[Extraction]
X --> S1[Signal]
X --> S2[Evidence Pointer]
X --> S3[Confidence]
S1 --> A[Accumulation]
S2 --> A
S3 --> A
A --> I[Inference]
style R stroke:#64748b,stroke-width:2px
style A stroke:#3b82f6,stroke-width:2px
style I stroke:#22c55e,stroke-width:2px
Erilaiset alueet antavat erilaisia signaaleja:
Todistukset antavat mahdollisuuden siirtyä "mallin mielestä "-järjestelmässä on todisteita
Tämä on käänne taaksepäin Vähennetty RAG: ekstrahoidaan signaaleja suuremman kontekstin ovien sijasta Se on myös siirtyminen StyloFlow: yhteensovittaminen lähetettyjen tosiasioiden ympärille , ei läpinäkymättömiä osia koskevia puheluja
Kun signaalit ovat yksiselitteisiä, voitte esittää parempia insinöörikysymyksiäM SK1
Se on eri asia välineen toimittamisen ja koneen mukauttamisen välillä.
Tavalliset järjestelmät näyttävät usein tällaiselta:
Rules -> Decisions
Behavioural inference systems look more like this:
Signals -> Evidence accumulation -> Behaviour inference -> Deterministic action
flowchart TD
subgraph Old["Old Shape"]
O1[Rules] --> O2[Decision]
end
subgraph New["Behavioural Inference Shape"]
N1[Signals]
N2[Evidence Accumulation]
N3[Inference]
N4[Policy Action]
N1 --> N2 --> N3 --> N4
end
style Old stroke:#ef4444,stroke-width:2px
style New stroke:#22c55e,stroke-width:2px
Mitä nämä järjestelmät sanovat?
Tavallisesti ilman, että koskaan saataisiin yksi ainoa täydellinen tosiasia.
Käytännöstä on usein helpompi tehdä johtopäätöksiä kuin identiteetistä. Se on tärkeää yksityisyyden kannalta -järjestelmien ja vastustajien säilyttäminenM SK2 Saatatte olla epätietoisia siitä, kuka jokin on, mutta voitte usein sanoa, minkälaiseen käyttäytymismalliin se kuuluu
Se on riittävä, jotta etusijalle asetetaan , throttle , challenge , cluster , prioriteetsit or escalate ,
Lisäksi nämä järjestelmät sopivat hyvin koodi LLM:ihin. Ne toimivat parhaiten silloin, kun järjestelmä antaa niille
Käytännön johtopäätösjärjestelmä paljastaa nämä asiat luonnollisesti.
Stylobot-osa 2 on luultavasti tähän mennessä selvin konkreettinen esimerkki
Stylobot ei ole pelkkää pilkkaa havaintolaitteista. Se on käytännöllisiä johtopäätöksiä
flowchart LR
R[Request] --> D[Detector Signals]
D --> E[Evidence Aggregation]
E --> T[Signature + Temporal Context]
T --> I[Behaviour Inference]
I --> P[Probability + Confidence + Risk]
P --> A[Policy Action]
A --> F[Response Feedback]
F --> D
style D stroke:#3b82f6,stroke-width:2px
style T stroke:#8b5cf6,stroke-width:2px
style P stroke:#f59e0b,stroke-width:2px
style A stroke:#22c55e,stroke-width:2px
Muutamat tämän kaasuputken asiat tulevat suoraan aikaisemmasta työstä.
Ei ole syytä olettaa, että yksi ainoa detektaattori riittää. Teillä on väestöä erikoistuneista osallistujista, jotka esittävät todisteita , ja ajan kuluessa opitaan, mitkä niistä todella auttavat
Tämä ei ole täysimääräistä autonomista kehitystä, mutta se on sama instinkt.
Stylobot pitää todennäköisyyden ja luottamuksen erillään, mutta toiminta on determinististaM SK1
AllowThrottleChallengeBlockTodisteet voivat olla hämäriä. Valvonnan pinta-alueet eivät voiM SK1
Sen sijaan, että vierailijaa vähennetään yhteen IP-osoitteeseen tai yhteen käyttäjään, Stylobot rakentaa monimuotoisen-vektorin allekirjoituksen ja syyt ajan mittaan
Se ei ole enää yksinkertainen luokittelu.
Korkean luottamuksen suuruus ei saa aiheuttaa samaa vastausta kuin korkean luottamus suuruuteen.
Järjestelmä säilyttää epäselvyyden ennallaan, kunnes sillä on riittävästi todisteita vahvemman toiminnan perusteluksi.
Stylobot on suunniteltu niin, että voitte tarkastaa lähes jokaisen merkityksellisen osan päätöksenteosta:
Tämä tekee siitä mieluummin mukautettavan moottorin kuin mustan laatikon.
flowchart TD
S1[Observable Signals] --> S2[Compare Outcomes]
S2 --> S3[Tune Thresholds / Weights / Waves]
S3 --> S4[Re-run on Traffic]
S4 --> S5[Observe Drift / Improvement]
S5 --> S1
style S1 stroke:#3b82f6,stroke-width:2px
style S3 stroke:#f59e0b,stroke-width:2px
style S5 stroke:#22c55e,stroke-width:2px
Tämä ketju on juuri se, missä koodi LLM:t auttavat. En korvaamalla moottoria, vaan nopeuttamalla muutosta moottorianM SK2
Tämä toimii vain siksi, että rakennetta voidaan havaita riittävän tarkkaan, jotta voidaan tukea mukauttamista ensiksikin.
Tehokas muutos ei ole "LLM voi nyt kirjoittaa ohjelmistoaM SK1 Tämä rivi teki lähes välittömästi ikävyyttömäksi .
On tärkeää, että koodi LLM:t tekevät tutkimuksesta halvempaa
RAG julkaistiin toukokuussa 2020. PoistaminenM SK1 sisällyttäminen hakuun , signaalin poistaminen, ja todisteiden paketit eivät ole uusia ideoitaMSC4 muuttunut on niiden toistamiseen sovellettavien kustannusten aiheuttama vaikutusMST5 aiemmin oli kallista hahmotella kaksikymmentä tunnistajaehdokasta–, teräsarviointilaitteita–MST7 tarkastaa signaalien kattavuutta–Mst8 ja sovittaa kynnysarvoja–M st9 Useimmat ryhmät rakentavat yhden mallinMst10 siirtäisivät sen osaksi merenkulua, Mst11 ja eläisivät sitten kummallakin tiellä, jonka he olivat leikanneet–Mstr12
Luettelo LLM:t muutti ketjun taloutta.
Ne auttavat valmistamaan prototypia:
flowchart LR
A[Human Hypothesis] --> B[Code LLM Acceleration]
B --> C[More Candidate Signals]
C --> D[More Evaluation]
D --> E[Better Selection Pressure]
E --> F[Stronger Inference System]
style B stroke:#8b5cf6,stroke-width:2px
style F stroke:#22c55e,stroke-width:2px
LLM:n ei tarvitse olla päättäjä, jotta se olisi strategisesti hyödyllinen.
Aiemmat säännöt kuitenkin pätevät edelleen:
Näin ollen kyllä, koodi LLM:t ovat tärkeitä. Ne ovat tärkeiä, koska ne nopeuttavat hakua ja mukauttamista , eivät siksi, että niillä poistetaan tarve rakenteelliseen suunnitteluun
Samaa muotoa esiintyy jatkuvasti.
Siihen Vähennetty RAG, otetaan käyttöön määritelmättömät signaalit syöttäessä , tallennetaan todisteet erikseen M SK2 ja sallitaan LLM:n synteesoida rajoitetun todisteiden paketista
Ei " anna mallille kaiken ja toivoaM SK1 Poistaa ensin , rajoittaa pinta-alaa
Kun Stylobot saa aikaan käyttäytymistä pyynnöistä ajan mittaan, lucidRAG infers meaning from multimodal evidence: asiakirjarakenneM SK1 OCR-luottamus
Erilaiset substratit. Sama muotoM SK1
flowchart LR
subgraph Stylobot["Stylobot"]
SB1[Request Signals]
SB2[Temporal Evidence]
SB3[Behaviour Inference]
SB4[Policy Action]
SB1 --> SB2 --> SB3 --> SB4
end
subgraph LucidRAG["lucidRAG"]
LR1[Content Signals]
LR2[Evidence + Retrieval]
LR3[Meaning Inference]
LR4[Bounded Synthesis]
LR1 --> LR2 --> LR3 --> LR4
end
style Stylobot stroke:#3b82f6,stroke-width:2px
style LucidRAG stroke:#22c55e,stroke-width:2px
Kumpikaan ei ole todellisuudessa "app." Molemmat ovat eri tuloksiin perustuvat inferenss-moottorit
Siihen Rajoitettu hämärä MoM, monenlaiset todennäköisyyteen perustuvat osat voivat ehdottaa ,, mutta ne viestivät kirjattujen signaalien välityksellä ja deterministinen logiikka päättää siitä, mikä säilyy
Tämä on monimuotoista koordinointimallia ilman valvontaa.
Siihen Rajoitettu hämärän taustan vetäminen, järjestelmä säilyttää rajallisen muistin ja säilyttää sellaiset asiayhteyksien osat, jotka ovat riittävän tärkeitä myöhemmin tulkinnan kannalta
Inferenssi tarvitsee aikaa. Kontext-dragging mahdollistaa ajankäytön ilman, että muisti kasvaa ilman rajoituksia.
Siihen StyloFlow, osatekijät eivät kutsu toisiaan suoraan . Ne lähettävät signaaleja M SK2 ja orkesteri reagoi näihin signaaleihin ja niiden luottamukseen
Tämä on työflow-infrastruktuuriin sovellettava käytännöllinen johtopäätös.
"Behavioural inference systems, ", on parempi umbrella kuin ", agenttijärjestelmät ja " tai "LLM-appit.
Jos minun piti supistaa koko sukupolvi muutamaan sääntöön:
Näiden sääntöjen normatiivinen versio on Tietokonetekniikan kymmenen käskyä. Tämä artikla on arkkitehtuuriversio.
flowchart LR
A[Ten Commandments] --> B[Architectural Constraints]
B --> C[Behavioural Inference Systems]
C --> D[Tuneable Engines]
style A stroke:#8b5cf6,stroke-width:2px
style B stroke:#ef4444,stroke-width:2px
style C stroke:#22c55e,stroke-width:2px
style D stroke:#3b82f6,stroke-width:2px
mindmap
root((Behavioural Inference))
DiSE
Search
Mutation
Selection
Constrained Fuzziness
Substrate
Proposer
Constrainer
Signals
Evidence
Confidence
Provenance
Time
Memory
Drift
Temporal Context
Action
Policy
Thresholds
Deterministic Boundaries
Tuotteesta selviävät AI-järjestelmät eivät yleensä ole valtavia autonomisia syitä. Ne eivät myöskään ole loputtomia säännöstöjä.
Ne ovat järjestelmiä, jotka
Tämä on parempi tekninen tarina kuin " -mallin älykkyys.
Mallit parantavat järjestelmää. hienoinenM SK1arkkitehtuuri määrittelee edelleen, onko järjestelmä parannuskeinojen käyttökelpoinen
Behavioural inference systems ottaa nämä rajoitukset vakavasti.
Luettelo on selvä jälkikäteen nähden:
flowchart LR
D[DiSE<br/>Explore and Select] --> CF[Constrained Fuzziness<br/>Bound the Uncertain]
CF --> BI[Behavioural Inference Systems<br/>Infer from Weak Signals]
BI --> ST[Stylobot / Reduced RAG / StyloFlow<br/>Working Architectures]
style D stroke:#3b82f6,stroke-width:2px
style CF stroke:#f59e0b,stroke-width:2px
style BI stroke:#22c55e,stroke-width:2px
style ST stroke:#8b5cf6,stroke-width:2px
DiSE antoi minulle mahdollisuuden pohtia arkkitehdastutkimusta. Rajoitettu epämääräisyys antoi minulle mahdollisuuden pitää todennäköisinä olevia osia selvillä rajoilla. Behavioural inference systems ovat se, mitä saamme, kun nämä ajatukset pakotetaan selviytymään tuotannosta.
Stylobot on vain nykyinen esimerkki.
Kun olette alkaneet nähdä järjestelmiä todisteiden kerääjinä, joilla on deterministisia toimintaedellytyksiä, monet nykyaikaiset ohjelmistot lopettavat näyttävän samankaltaiselta kuin "AI-ominaisuuksia " ja alkavat näyttää samankaltaisilta muodoilta eri aloilla
© 2026 Scott Galloway — Unlicense — All content and source code on this site is free to use, copy, modify, and sell.