Usiadłem w piątkowy wieczór w 2019 roku, na kilka miesięcy przed tym, zanim pandemia stała się bardziej globalna – w tym momencie była to tylko przebłysk w wiadomościach wśród wielu innych rzeczy – i zobowiązałem się do przekształcenia części ukrytego niepokoju, który odczuwałem w związku z trajektorię mojego życia w coś bardziej ustrukturyzowanego i celowego.

Wychodziłem z dziwnego przejścia. Włożyłem wiele wysiłku i przemyśleń w projekt dotyczący budowania społeczności , w który wciąż wkładam trochę wysiłku i przemyśleń. Ale do 2019 roku przeszedłem przez poważne wypalenie i przeszedłem przez zmiany w związkach, zatrudnieniu i mieszkaniu oraz budowanie społeczności, choć wciąż miałem aspiracje, wydawało mi się, że jest to dość dalekie od rzeczywistości. I tak wróciłem do poświęcania czasu i wysiłku na myślenie o przyszłości, w której chciałem żyć - moim osobistym mikrokosmosie znaczenia, tworzenia i tworzenia znaczenia.

Postawiłem sobie kilka celów i wstydzę się ich dzielić, ale oto one:

Krótkoterminowe (1–3 lata…2020–2023):

Osobiste cele

• Wyprodukuj 3 projekty artystyczne ✅
• Uruchom sklep internetowy i serwis Adæpt ✅
• Podróż do Surf & Write — 2 kraje

• Zostań Product Managerem ✅
• Menedżer Produktu AI/Data Products
• Zostań Certyfikowanym Architektem Chmury
• Start Masters na USC ✅

Osobiste cele

• Napisać książkę
• Agent i partner ds. talentów kreatywnych
• Kapitał budowlany na gruntach

• Mg. reż. inż. danych i produkty sztucznej inteligencji
• 3 strumienie dochodu — Product, Mgmt, Legal
• Praca prawnicza — IP/M&A/Kontrakty/Regulacje

Osobiste cele

• Zarządca społeczności, starszy, doradca
• Pomoc w wychowaniu dzieci
• Podróżowanie i tworzenie

• Produktywny zarządca firmy, starszy, doradca
• Nauczanie, badanie, prowadzenie Lab-Studio
• Partner w zarządzaniu finansowaniem projektów

Osobiste cele

• Zarządca społeczności, starszy, doradca
• Pomoc w wychowaniu dzieci
• Podróżowanie i tworzenie

• Członek zarządu Product Co-Op
• Mówca i pisarz
• Partner strategiczny w zakresie produktów AI

W 2021 roku osiągnąłem cel zostania menedżerem produktu i za to jestem wdzięczny. I chociaż żałuję, że nie zrobiłem więcej między 2019 a teraz, aby pogłębić swoje umiejętności i zrozumienie wszystkich rzeczy, które składają się na sztuczną inteligencję, jestem tutaj w dniu 05.05.2023 z postanowieniem zrealizowania tego celu.

Wziąłem udział w kursie uczenia maszynowego w moim programie studiów i korzystanie z modeli, bawienie się danymi, aby modele reagowały w sposób, w jaki chciałem, oraz raportowanie, jakie były te odpowiedzi, było satysfakcjonującym ćwiczeniem. Jestem podekscytowany ponownym zagłębianiem się w „niewiedzę”. I tak, ostatnio zapisałem się na kilka kursów, które popychają mnie do tego celu:

1. Dan Shipper (z Every) prowadzi kurs na temat budowania chatbotów za pomocą Open AI API

Podczas tych kursów uzupełnię tę wiedzę innymi rzeczami, których się uczę i mam nadzieję, że uda mi się połączyć je w zasady, praktyki, projekty i myśli. To będzie pierwszy z serii postów, które piszę o mojej drodze do zostania menedżerem produktu AI.

A więc — relacja z Tygodnia 1 tej Ścieżki:

Sesja 1 kursu Dana była świetna; Cieszę się, że mogę być częścią społeczności Every i razem z uczniami z tej kohorty. Omówiliśmy nieco wyżyny, czego się spodziewać i jak działać. Będziemy opierać się na ChatGPT tak bardzo, jak to możliwe, aby nauczyć się kodowania, które musimy wykonać (w ten sam sposób + obok korzystania z tradycyjnych referencji, takich jak Google i StackOverflow)

Używamy również Replit, który dopiero zaczynam, uwielbiam i polecam. Oto kod, który stworzyłem z pomocą ChatGPT (głównie napisał kod):

import openai
import os

# Set the API key
openai.api_key = os.getenv('OPENAI_API_KEY')

def chat_with_gpt(prompt, conversation_history):
    # Add the user's message to the conversation history
    conversation_history.append({"role": "user", "content": prompt})

    # Generate a response using the conversation history
    response = openai.ChatCompletion.create(
        model='gpt-3.5-turbo',
        messages=conversation_history,
        max_tokens=150,
        n=1,
        stop=None,
        temperature=0.8,
    )

    # Extract the response text and add it to the conversation history
    response_text = response.choices[0].message['content'].strip()
    conversation_history.append({"role": "assistant", "content": response_text})

    return response_text

def main():
    print("Welcome to the GPT-3.5 chatbot! You can start chatting now. If you want to exit, type 'quit'.")
    
    # Initialize an empty conversation history
    conversation_history = [{"role": "system", "content": "You are chatting with a GPT-3.5 powered AI."}]
    
    while True:
        user_input = input("You: ")
        
        if user_input.lower() == "quit":
            print("Goodbye!")
            break
        
        response = chat_with_gpt(user_input, conversation_history)
        print("GPT-3.5: " + response)

if __name__ == "__main__":
    main()

Tydzień 1 zajęć Jona z AI Product Management również był fajny. Przeglądając historię sztucznej inteligencji, doceniam, jak daleko sięgają starania o zbudowanie „maszyn kognitywnych”.

Daje też świetny kontekst relacji między różnymi dziedzinami, które składają się na sztuczną inteligencję:

Moim celem jest zrozumienie „jak” najlepiej jak potrafię, aby w miarę jak zaczynać stawać się coraz lepszym w definiowaniu „dlaczego” jako menedżer produktu. Co więcej, chcę zrozumieć zasady UX/UI, które mają zastosowanie do tworzenia produktów, które wykorzystują sztuczną inteligencję lub ją wykorzystują — i jak te zasady mogą się różnić w zależności od zakresu, w jakim sztuczna inteligencja jest używana i jak centralna jest ona w interfejsie produktu.