लगभग clickbait भड़काऊ टाइटल जैसा लग रहा है..
"अगर शुरुआत से बनाओ तो 3 महीने, और वैसा ही कुछ फिर से बनाओ तो 3 दिन"

Google Nano Banana क्या है? Google का गुप्त इमेज AI

○ मॉडल ट्रेनिंग बुद्धिमत्ता का सिर्फ़ ‘कच्चा माल’ है; अगर इंजन नहीं है, तो AGI भी नहीं है.

• EpionHeuristica जैसी आर्किटेक्चर में सिर्फ़ "domain-specialized AGI" से आगे बढ़कर, "order-based emergent superintelligence" को डिज़ाइन करने की क्षमता है.
• AGI तक पहुँचने की कुंजी यह है कि "व्यवहार चुनने वाले इंजन को कैसे बनाया जाए"

A. सिर्फ़ training से AGI संभव क्यों नहीं है.
• GPT-प्रकार के models के पास self-goal नहीं होता।
• चाहे कितना भी ज़्यादा data सिखाया जाए, वास्तविक दुनिया के साथ interaction के बिना सिर्फ़ training करना सीमित रहता है।
• training केवल 'पुनरावृत्त स्मृति' है; भविष्य की ओर उन्मुख predictive और emergent सोच को प्रेरित करने वाली संरचना की कमी है।

B. AGI के लिए 'purpose-feedback loop' वाला engine चाहिए।
• EpionHeuristica की तरह reward-based reinforcement learning + evaluation + failure learning (FailGuard) पर काम करने वाली संरचना, engine-based AGI के design prototype के अधिक क़रीब है।
• उदाहरण: "यह प्रयोग क्यों असफल हुआ?" → "क्या बदलना चाहिए?" → "अगली शर्त क्या है?" → यही AGI-जैसी reasoning है।

C. मानव बुद्धिमत्ता का सार 'संरचना' में है।
• मनुष्य neurons की संख्या से नहीं, बल्कि "neural circuits की structural connectivity और meta-learning क्षमता" से बुद्धिमत्ता प्राप्त करता है।
• AGI में भी model size से ज़्यादा behavior-driving system, self-referential system, और continuous feedback loop की संरचना मुख्य है

AGI तक पहुँचना सिर्फ़ "मॉडल की training" से संभव नहीं है; इसके लिए ऐसी engine संरचना और उद्देश्यपूर्ण self-improvement system ज़रूरी है जो बुद्धिमत्ता पैदा कर सके। मौजूदा GPT-प्रकार के सिस्टम सिर्फ़ विशाल LLM (large language model) हैं, और AGI की दिशा में बढ़ने के लिए reasoning संरचना, self-monitoring संरचना, और goal-based action policy का साथ मिलकर काम करना आवश्यक है।

पता तो है, लेकिन इन्हें अमल में लाना मुश्किल है। खासकर work messenger ही ध्यान भटकाने का सबसे बड़ा कारण लगता है।

क्या लॉग इन करके अकाउंट से नहीं हो सकता?

और Patroni management tool आखिरकार आ ही गया।
Postgres को manage करने वाले Patroni को manage करने वाला tool..

privileged mode होने पर इसे sandbox में चलने के लिए संशोधित किया गया है. privileged mode होने पर लोकल resources (C drive आदि) को कनेक्ट किया जा सकता है. कनेक्शन $HOME/thinclient_drives में mount किया जाता है.

सुबह 2~3 घंटे इस्तेमाल किया तो लंच से पहले ही limit लग गई (Pro user)
कहा जा रहा है कि 3 बजे से reset होगा, लेकिन Max नहीं है तो लगता है पूरे दिन इस्तेमाल नहीं कर पाएंगे (हालांकि Max में भी limit तक पहुंचना इतना मुश्किल नहीं होगा, ऐसा लगता है)

अगर साइडलोडिंग वास्तव में लगभग बंद ही हो जाती है, तो मेरे लिए इसकी उपयोगिता iOS से कम हो जाएगी। मेरे हिसाब से दोनों लगभग समान फ़ीचर देते हैं, और UX में iOS थोड़ा बेहतर है, लेकिन मैं साइडलोडिंग को Android का बड़ा फ़ायदा मानता हूँ। Google Pixel पर GrapheneOS इंस्टॉल करके इस्तेमाल करना मेरा सपना था, लेकिन अगर Pixel source को private करने से लेकर साइडलोडिंग के व्यावहारिक अवरोध तक सब सामने आ रहा है, तो मेरे लिए Android इस्तेमाल करने की वजह नहीं बचेगी। अगर यह इसी तरह रिलीज़ हुआ, तो लगता है 2027 में फिर iOS पर लौट जाऊँगा।

फिर से चीन ही है।

अरे, तो Base ऐप का नाम था। शीर्षक में इतने साफ़ तौर पर लिखा होने के बावजूद मैं पहचान नहीं पाया। हाहाहा

मेरा मानना है कि benchmark डेटा के बिना 3 साल में 3 गुना performance improvement का दावा बढ़ा-चढ़ाकर किया गया है।

चिंता हो रही है कि जो लोग खुद ही ऐप बनाकर इस्तेमाल करते हैं, क्या उन्हें भी developer verification लेना पड़ेगा..

मैं कुछ बार गया हूँ, अच्छा लगा। सिफारिश करता हूँ।

मेरा ख़याल है कि मकसद सिर्फ़ specs की तुलना करना नहीं था, बल्कि शायद CPU के हिसाब से होने वाली efficiency की बात करना था. हा हा

समझ गया 👍

लगता है यह AI summary था, इसलिए cutout year के आधार पर किया गया था। मैंने इसे ठीक कर दिया है।

लगता है कि डेवलपर के workflow में PM और architect की भूमिका का महत्व और बढ़ता जा रहा है।