Η κουλτούρα του performative engineering
Το LinkedIn έχει μετατραπεί σε έναν χώρο όπου η ουσιαστική μηχανική εργασία επισκιάζεται από την ανάγκη για «performative productivity». Τα projects που κατακλύζουν το feed, όπως η ανίχνευση λακκουβών ή η παρακολούθηση χειρονομιών, συχνά αποτελούν προϊόντα tutorials και όχι πρωτότυπης έρευνας. Η έλλειψη σύνδεσης αυτών των μοντέλων με πραγματικά API ή συστήματα παραγωγής (production systems) καθιστά τα εν λόγω projects ακαδημαϊκά ασκήσεις χωρίς αντίκρισμα.
Η ευκολία του «Vibecoding» και η αυτοματοποίηση
Ο συγγραφέας αποδεικνύει πόσο απλό είναι να δημιουργήσει κανείς έναν ανιχνευτή «slop» (περιεχομένου χαμηλής ποιότητας) χρησιμοποιώντας το YOLOv8. Η διαδικασία περιλαμβάνει:
- Data collection: Αυτοματοποιημένη λήψη στιγμιότυπων οθόνης μέσω script.
- Annotation: Χρήση πλατφορμών όπως το Roboflow για την επισήμανση των δεδομένων.
- Training: Εκπαίδευση του μοντέλου με ελάχιστες γραμμές κώδικα Python.
Το γεγονός ότι μια τέτοια διαδικασία ολοκληρώθηκε σε 90 λεπτά υπογραμμίζει ότι η τεχνική δυσκολία πίσω από αυτά τα projects είναι πλέον αμελητέα, καθιστώντας την επίδειξή τους ως «AI expertise» παραπλανητική.
Το πρόβλημα της πλατφόρμας
Το κύριο ζήτημα δεν είναι η τεχνολογία, αλλά το οικοσύστημα του LinkedIn. Η πλατφόρμα επιβραβεύει την οπτική εντύπωση και όχι τη βαθιά τεχνική γνώση. Καθώς τα σχόλια είναι δημόσια και συνδεδεμένα με την επαγγελματική ταυτότητα του μηχανικού, επικρατεί μια κουλτούρα επιδοκιμασίας, η οποία εμποδίζει την ουσιαστική αξιολόγηση των δεξιοτήτων. Αυτό οδηγεί σε μια στασιμότητα, όπου οι χρήστες επαναλαμβάνουν τα ίδια επιφανειακά projects αντί να επενδύουν σε πραγματική βελτίωση των ικανοτήτων τους.