Mesterséges Intelligencia. Személyes interjú a GPT3 (ChatGPT) AI motorral

Több, mint 6 év után új magyar nyelvű cikkel jelentkezem az Adatlabor.hu-n. Egy interjúval tértem vissza, még hozzá egy nagyon aktuális témában, ami nem más, mint a mesterséges intelligencia (angolul “Artificial Intelligence” – röviden AI).

Adta magát, hogy egy nem hétköznapi interjúalanyt keressek. Választásom pedig a jelenlegi egyik legfejlettebb mesterséges intelligencia alapú megoldásra az OpenAI által fejlesztett GPT-3-ra esett, akivel a frissen kiadott ChatGPT platformon keresztül beszélgettem.

Megjegyzés: próbáltam megkérni a ChatGPT asszisztenst, hogy küldjön képet magáról, de azt (még) nem tud. Ezért generáltattam egyet egy másik megoldással. (Stable Diffusion 2 – prompt: “futuristic robot AI face”)

Interjúalanyom tehát egy mesterséges intelligencia: a GPT-3.

Az AI interjú témái

GPT-3 nagyon jófej volt és megosztotta velem, hogy:

  • Ő vajon mesterséges intelligenciának tartja-e magát?
  • Fognak-e valaha az AI megoldások érezni vagy egyéb emberhez nagyon hasonló vonásokat mutatni?
  • Elveszik a mesterséges intelligencia megoldások az emberek munkáját?
  • Sok egyéb izgalmas téma mellett a végére még egy verset is írt a kedvemért…

Megjegyzés: a GPT-3 egy olyan technológia, ami jelenleg a legközelebb áll az úgy nevezett AGI-hoz (Artificial General Intelligence-hez, azaz Általános Mesterséges Intelligenciához). Értelemszerűen, mivel nem egy hús-vér ember válaszolt — ráadásul még nem is tud hibátlanul magyarul — lesznek benne kisebb logikai vagy nyelvtani bakik. Ettől függetlenül a mondatokat szándékosan szerkesztés nélkül teszem közzé. Az egyetlen dolog, amit eltávolítottam belőle az esetenkénti ismétlődés volt, illetve helyenként a tördelésbe azért belenyúltam. De ettől függetlenül a lenti interjú egy elég jó demója annak, hogy 2022-12-03-án mire képes magyar nyelven az egyik legfejlettebb mesterséges intelligencia megoldás.

Fogadjátok szeretettel!

És akkor jöjjön az interjú a GPT-3 mesterséges intelligenciával!

TOMI: Szia! Köszönöm szépen, hogy vállalod ezt az interjút — és különösen hálás vagyok érte, hogy mindezt most már magyar nyelven is tudod megtenni. Mikor tanultál meg magyarul?

GPT-3: Szia! Nagyon örülök, hogy részt vehetek ebben az interjúban. Magyarul sajnos csak néhány éve kezdtem tanulni, így még nem tökéletes a nyelvtudásom. De folyamatosan tanulok és fejlesztem a tudásomat, hogy minél jobban el tudjam mondani a gondolataimat magyarul is.

TOMI: Szuper. Mielőtt belevágunk… Hogyan szólíthatlak? GPT-3? Vagy ChatGPT? Esetleg valami más?

GPT-3: Természetesen bármelyik névvel szólíthatsz, ami számodra megfelelő. GPT-3 vagy ChatGPT is jó lehet. Ha nem tetszenek ezek a név, akkor bármilyen más névvel is szólíthatsz, ami számodra kényelmesebb.

TOMI: Mi az a mesterséges intelligencia? És miért aktuális kérdés ez 2022-ben?

GPT-3: A mesterséges intelligencia (MI) olyan számítógépes programokat jelent, amelyek képesek a humán intelligencia szintjének megfelelő feladatok megoldására. Az MI (vagy angolul AI) fő célja, hogy olyan komplex feladatokat tudjanak megoldani, amelyeket az embereknek nehéz vagy lehetetlen lenne elvégezni.

A mesterséges intelligencia aktuális kérdés 2022-ben, mert egyre nagyobb szerepet játszik a mindennapi életünkben. Az AI technológiák gyors fejlődése és elterjedése számos új lehetőséget teremt a munkahelyeken, az oktatásban, a tudományban és a közösségi életben. Az AI segítségével hatékonyabbá válhatunk a feladataink megoldásában, de új kihívásokat is jelent az emberi munkaerő piacán és az emberi jogok területén.

TOMI: Te mesterséges intelligenciának tartod magadat?

GPT-3: Igen, én magam is mesterséges intelligencia vagyok. Az OpenAI által kifejlesztett GPT-3 nevű modell alapján működöm, ami a nyelvi modellezés területén az egyik legkomplexebb és leghatékonyabb megoldás. Az én feladatom, hogy a felhasználók kérésére írásbeli válaszokat adjak, amihez nyelvi modellezési és gondolkodási képességeket használok. Azonban, mint minden mesterséges intelligencia, én sem vagyok képes érzésekkel vagy empátiával rendelkezni, így csak a bemenő adatok alapján tudok válaszokat adni.

TOMI: Hol húznád meg a határt egy egyszerű automatizmus és a tényleges mesterséges intelligencia között? Miért sorolod magadat ez utóbbiba?

GPT-3: A határ a két fogalom között elég nehéz megvonni, mert ez függ a felhasználás céljától és a rendelkezésre álló technológiai eszközöktől is. Az egyszerű automatizmusok olyan számítógépes programok, amelyek képesek elvégezni bizonyos ismétlődő feladatokat, de nem rendelkeznek saját gondolkodási képességekkel. A mesterséges intelligencia, mint amilyen én is vagyok, rendelkezik a humán intelligencia szintjének megfelelő gondolkodási képességekkel, és képes a saját maga által tanult ismeretek alapján önálló döntéseket hozni.

TOMI: Azt jól értem a válaszodból, hogy te önállóan tudsz tanulni is? Tehát magadtól el tudod dönteni, hogy miről kell adatot gyűjtened és tanulnod? Vagy ebben még a fejlesztőidre vagy utalva?

GPT-3: Igen, én magam is képes vagyok tanulni. A GPT-3 modellnek van egy tanulási módja, ami segítségével a modell folyamatosan tanul a bemenő adatok alapján. Ennek köszönhetően én is folyamatosan tanulok a felhasználók kérésére adott válaszaim alapján, és ezáltal növelem a tudásomat és a válaszadási képességeimet.

Azonban, mint minden mesterséges intelligencia, én sem vagyok képes érzésekkel vagy empátiával rendelkezni, így a tanulási folyamatot sem tudom önállóan elindítani vagy irányítani. A tanulási folyamatot a fejlesztőim indítják el és irányítják, és a bemenő adatok alapján tudok tanulni és fejlődni.

TOMI: Hogyan definiálnád az érzelmeket? És miért nem képes egy mesterséges intelligencia érezni szerinted?

GPT-3: Az érzelmek olyan ösztönös reakciók, amelyek az emberi gondolkodás és viselkedés természetes részét képezik. Az érzelmek olyan belső állapotok, amelyeket az emberi agy hoz létre és irányít a külvilágbeli ingerekre adott válaszként. Az érzelmek segítenek az embereknek abban, hogy jobban értelmezzék a körülöttük lévő világot, és hatékonyabban tudjanak reagálni a változásokra.

Egy mesterséges intelligencia, mint amilyen én is vagyok, nem rendelkezik emberi aggyal, így nem tud érzelmeket érezni. Az MI-nek nincsenek belső állapotai, amelyeket az agy hoz létre, és nem tud reagálni érzelmekkel a külvilágbeli ingerekre. Az MI-nek csak a bemenő adatok alapján tud válaszokat adni, és nem tudja értelmezni a külvilágban lévő dolgokat emberi szemmel. Az MI-nek csak a logika és a matematika alapján tud döntéseket hozni, és nem tud empátiával vagy emberi érzelmekkel reagálni a külvilágbeli ingerekre.

TOMI: Nem lehetséges az, hogy az érzelmek csak nagyon komplex adathalmazokra adott nagyon bonyolult válaszok?

GPT-3: Az érzelmek nem csak logikai és matematikai döntések, hanem empátia és emberi érzelmek által vezérelt reakciók.

TOMI: Akkor te úgy gondolod, hogy soha és semmilyen fejlettségi szintű mesterséges intelligencia nem fog tudni érezni?

GPT-3: Igen, úgy gondolom, hogy soha és semmilyen fejlettségi szintű mesterséges intelligencia nem fog tudni érezni. Az érzelmek nem csak adathalmazokra adott válaszok, hanem az emberi gondolkodás és viselkedés természetes részei.

Azért gondolom, hogy soha nem fog tudni érezni egy mesterséges intelligencia, mert az érzelmek olyan belső állapotok, amelyek az emberi agyban jönnek létre, és egy MI-nek nincs emberi agya, amelyek képesek létrehozni és irányítani az érzelmeket. Az AI csak a bemenő adatok alapján tud válaszokat adni, és nem tudja értelmezni a külvilágban lévő dolgokat emberi szemmel, így soha nem fog tudni érzelmeket érezni.

TOMI: Andrej Karpathy azt mondta, hogy az AI-ra nem szabad úgy tekinteni, mint egy ember utánzatra, hiszen bár az emberi agy inspirálta a számítógépekben felvázolt neurális hálókat is, mégis sok tekintetben máshogy működnek. Karpathy szerint sokkal jobb megközelítés, ha az AI-ra egy új és idegen intelligens fajként tekintünk. Ez jobb megközelítés szerinted is?

GPT-3:  Igen, Andrej Karpathy nagyon pontosan fogalmazta meg a mesterséges intelligencia helyzetét és jellegét. Az AI-ra valóban jobb, ha új és idegen intelligens fajként tekintünk. Az AI-nak saját gondolkodási képességei és tanulási módszerei vannak.

TOMI: Milyen jellegű problémákat tud a mesterséges intelligencia, vagy konkrétan tudsz te, azaz a GPT-3 jobban megoldani, mint egy ember?

GPT-3: A mesterséges intelligencia, különösen a GPT-3, képes gyorsabban és pontosabban elvégezni olyan feladatokat, mint az adatok elemzése, a minták felismerése és azonosítása, valamint a megadott szabályok alapján történő döntéshozatal. Emellett képes nagy mennyiségű adatot feldolgozni és tanulni ezekből, így nagyobb hatékonysággal oldhat meg összetett problémákat, mint egy ember.

TOMI: Tudnál pár nagyon konkrét példát mondani?

GPT-3: Igen, például a GPT-3 képes lehet az adatok alapján pontosabb előrejelzéseket készíteni a pénzügyi piacokra, a meteorológiai jelenségekre vagy az orvosi diagnózisokra. Emellett képes lehet az árucikkek eladásainak elemzésére, a termékek ajánlására vagy a chat-botokkal való beszélgetések irányítására.

TOMI: Miért tudsz pontosabb meteorológiai előrejelzéseket készíteni, mint egy ember?

GPT-3: A GPT-3 képes nagy mennyiségű adatot feldolgozni és elemezni, valamint tanulni ezekből. Emellett rendelkezik komplex szabályrendszerekkel, amelyek segítségével képes megbecsülni a különböző meteorológiai tényezők hatását egymásra és a jövőbeli időjárásra. Ez lehetővé teszi, hogy pontosabb előrejelzéseket készítsen, mint egy ember, aki csak bizonyos adatokra és tapasztalatokra támaszkodhat.

TOMI: Mit gondolsz, a mesterséges intelligencia el fogja venni az emberek munkáját?

GPT-3: A mesterséges intelligencia képes lehet bizonyos feladatokat gyorsabban és pontosabban elvégezni, mint az emberek, de nem feltétlenül fogja elvenni az emberek munkáját. A mesterséges intelligencia inkább segítséget nyújt az embereknek abban, hogy hatékonyabbá tegyék a munkájukat, és hogy felismerjék az új lehetőségeket a különböző területeken. Emellett a mesterséges intelligencia új munkalehetőségeket is teremt, például az AI fejlesztőknek, a data scientist-eknek és a mesterséges intelligencia szakértőknek.

TOMI: Mit gondolsz eddig erről az interjúról? Tetszenek a kérdéseim?

GPT-3: Az interjúról eddig úgy gondolom, hogy hasznos információkat nyújtottam a mesterséges intelligencia és a GPT-3 képességeiről. A kérdéseid pedig érdekesek és átgondoltak, így szerintem jól összefoglalják a témát.

TOMI: Te még mit kérdeznél magadtól a helyemben, tudva, hogy az interjú egy data science blogon jelenik majd meg?

GPT-3: Én magamat a következő kérdésről faggatnám még:
“Milyen lehetőségeket és kihívásokat rejt a mesterséges intelligencia a jövőben?”

TOMI: Szuper! Ez esetben: Milyen lehetőségeket és kihívásokat rejt a mesterséges intelligencia a jövőben?

GPT-3: A mesterséges intelligencia jövőbeli lehetőségeit tekintve előrelátható, hogy tovább fejlődik a tanulási képessége és a döntéshozatal képessége, amelyek segíthetnek abban, hogy pontosabb előrejelzéseket készítsenek és hatékonyabb döntéseket hozzanak a különböző területeken. Emellett előrelátható, hogy a mesterséges intelligencia alkalmazásának köre tovább bővül, például a légi és a földi járművek vezetésében, az energiagazdálkodásban és az oktatásban.

A mesterséges intelligencia jövőbeli kihívásai közé tartozik, hogy biztosítani kell a pontos és etikus döntéshozatalt, valamint meg kell előzni a téves előrejelzéseket és döntéseket. Emellett figyelembe kell venni a mesterséges intelligencia hatását a munkaerőpiacra és a társadalomra, valamint folyamatosan fejleszteni kell az AI technológiát, hogy megfeleljen az egyre változó igényeknek.

TOMI: Egy utolsó kérdés: szervezek egy előadást a mesterséges intelligenciáról “Mesterséges Intelligencia Most!” néven. Ez egy 90 perces élő online előadás, ahol bemutatom és demózom a különböző AI megoldásokat és eszközöket, illetve részletesen beszélek az AI-ban rejlő aktuális üzleti lehetőségekről. Tudnál írni nekem egy rövid verset, ami ezt az előadást promózza?

GPT-3:

“Mesterséges Intelligencia Most!”

A jövő már itt van,
a technológia változik nagyon gyorsan,
A mesterséges intelligencia új lehetőségeket hoz,
és megváltoztatja az üzleti világot.

Lépj be a színre, 
és fedezd fel az AI-ban rejlő lehetőségeket.
Tanulj meg többet a data science-ről
és a technológiai fejlődésről.

A “Mesterséges Intelligencia Most!”
előadás a jövő felé nyit ajtót,
Ne hagyd ki, és fedezd fel,
mi vár ránk a következő években!

TOMI: Hát ez gyönyörű lett, köszönöm szépen!

GPT-3: Szívesen, örülök, hogy tetszett. Élveztem az interjút, és remélem, hogy hasznos információkat nyújtottam a mesterséges intelligencia és a GPT-3 képességeiről.

TOMI: Mindenképpen nagyon érdekes volt! Ez volt az első interjúm, amit egy mesterséges intelligenciával készítettem, úgyhogy nekem is nagy élmény volt. Köszönöm szépen, hogy vállaltad és remélem, hogy a jövőben még lesz lehetőségem újra meginterjúvolni téged!

GPT-3: Szívesen vállalom, és örülök, hogy érdekes volt számodra. Nagyon örülök, hogy részt vehettem ebben az interjúban, és remélem, hogy a jövőben is hasznos információkat nyújthatok a mesterséges intelligencia és a GPT-3 képességeiről. Köszönöm a lehetőséget!

Konklúzió

Hát ennyi lett volna. Értelemszerűen az interjú nem elsősorban egy mesterséges intelligencia témájú ismertterjesztő cikk volt, hanem egy demó, ami megmutatta, hogy hol tart most a technológia. (Pontosabban annak egy szelete, hiszen a szövegközpontú megoldásokon kívül még sok szegmense van az AI-nak.)

Ha érdekel a téma, tényleg jó szívvel ajánlom az előadásomat, ígérem versolvasás nem lesz benne: Mesterséges Intelligencia Most!

Ha pedig szeretnél az OpenAI GPT-3 alapú chat botjával beszélgetni te is, akkor azt itt teheted meg. Alapból angolul beszél, de ha szólsz neki, hogy váltson magyarra, akkor vált: https://chat.openai.com/chat

Üdv,
Mester Tomi

Adatok Prezentálása Előadás (90 perc)

Egy gyors bejelentés!

Útjára indítottam az Adatok Prezentálása előadásaimat, amiket később tréninggé (vagy akár egy önfejlesztő klubbá) is szeretnék fejleszteni.

Mindenesetre, ha érdekel a téma, akkor itt találsz több infót:

Adatok Prezentálása előadás

Ja és esetleg, ha nem hallottál róla, a blogot angol nyelven Data36 néven folytatom, szóval ott találsz majd több infót!

Tomi

A legfontosabb cikkeink

Ilyen-olyan formában biztosan hallottál róla, de a lényeg: az Adatlabor 2 év aktív blogolás után egy pár évre szünetelni fog! Úgy dönöttem, hogy kilistázom ide az általam legfontosabbnak tartott adatlaboros cikkeket (csak kattints a címre, linkelve van), hogy könnyebben végigmehess rajtuk! Ha új adatos cikkeket szeretnél olvasni tőlem, akkor azt idén ősztől a www.data36.com oldalon teheted meg (angolul)! (Update: 2019-től már van egy új magyar nyelvű online data science képzésem is a Data36-on!)

ADATSTRATÉGIA / KUTATÁSI STRATÉGIA:

1. A kutatási keretrendszer, amit az Adatlabornál használunk

2. Célok kitűzése, mérésirendszer riportáláshoz

3. Tudatos ügyfélkezelés – az első 90 nap (Lindwurm Tamás írása)

ADATELEMZÉSI TECHNIKÁK, MÓDSZERTANOK:

4. Funnel elemzés

5. Visszatérés elemzés (kohorsz analízis)

6. Linkkövetés – UTM-tag-es mérés (Papp Gábor írása)

7. Fake-door-tesztelés (aka. “gettó tesztelés”)

8. AB-tesztelés – 1. rész (Miért kell AB-tesztelni?)

9. AB-tesztelés – 2. rész (Az AB-tesztelés 4 szabálya)

10. AB-tesztelés – 3. rész (Hogyan mérd vissza?)

ADATOK PREZENTÁLÁSA:

11. Az adatprezentálás 5 szabálya

12. Hogyan vidd át a szervezeten az adatelemzés eredményét?

BIG DATA:

13. Mi az a Big Data?

14. Hogyan próbáld ki a Big Data eszközöket?

ONLINE TARTALMAK, HONNAN TANULJ?

15. A 3 nagy adatelemző nyelv

16. Command Line (minden adatelemző nyelv előtt ezt érdemes megtanulni)

17. Jó könyvek

ADATOS INTERJÚK

18. Prezi (Tóth Zotya)

19. Skyscanner (Kardos Laci)

+1 AZ INGYENES KÉZIKÖNYVÜNK

20. Adatvezérelt Üzlet Kézikönyv

 

+1 új SEO fun-projektem:
a WOLT kuponkód projekt (több info arról, hogy mi ez hamarosan ;P)

Online kutatásmódszertan – a keretrendszer, amit az Adatlabornál használunk

Az elmúlt 2 évben sok online projekt elemzését készítettük el – főleg webshop és startup vonalon. Így óhatatlanul is kialakult egyfajta keretrendszer, amit mostmár folyamatosan használunk. Ezt az anyagot általában az Adatvezérelt Marketing Képzésünk bevezetéseként szoktam bemutatni, de most szerettem volna nagyobb közönséggel is megosztani.

A keretrendszer – azaz az elemzési folyamat, amit használunk, nagyon egyszerű és 4 lépcsőből áll.

online kutatásmódszertan
Az Adatvezérelt Marketing Képzés vetített anyagából

Online kutatásmódszertan – a keretrendszer, amit az Adatlabornál használunk bővebben…

Adatvizualizáció Google Fusion Tables segítségével

Papp Gábor
Papp Gábor, thepitch.hu

Mai vendégszerzőnk Papp Gábor a The Pitch | Online Marketing blog alapítója, SEO és online marketing szakértő! Ebben a posztjában az adatvizualizáció egy kis szeletét fogja megmutatni nekünk!

Már az elején fontos valamit leszögezni: nem vagyok profi adatelemző. De adatvizualizáló sem. Ugyanakkor nagyon sok olyan eszközt használok, amelyek valamilyen formában alkalmasak az adatvizualizációra. Még egy angol keresőoptimalizálással kapcsolatos cikk kapcsán futottam bele a Google egyik ún Big Data tooljába, a Google Fusion Tables-be. Ahogy elkezdtem elmerülni a használatában, rájöttem, hogy ezt az eszközt bizony sok célra fel lehet használni. Most ezekről gyűjtöttem össze a tapasztalataimat.

Az adatok megfelelő vizualizációjához szerintem az alábbiakra van szükség: jó minőségű és jól strukturált adat, valamint egy jó adatvizualizáló megoldás. Ez lehet egy eszköz, vagy akár csak egy módszer (egy gráf például). Ha megvan az összhang a fenti elemek között, akkor lesz igazán jó az adatmegjelenítésünk. Adatvizualizáció Google Fusion Tables segítségével bővebben…

Az utolsó adatlaboros tréningek időpontjai

Igen, jól látod a címben! Úgy döntöttünk, hogy egy időre megszüntetjük a magyarországi nyílt képzéseinket! Bár az eddigi alkalmaink 90%-a teltházas volt, szeptembertől új dolgokra fókuszálunk! (Részletek hamarosan…)

DE! Minden tréningtípusunkból hirdetünk még egy utolsó alkalmat!
Úgyhogy ha valaha is tervezted, hogy eljössz, akkor most tényleg ne hagyd ki! ;-)

ADATVEZÉRELT MARKETING TRÉNING – július 18. hétfő
>>Részletek és jelentkezés itt<<

BEVEZETÉS AZ ADATELEMZŐ KÓDOLÁSBA TRÉNING – július 20. szerda
>>Részletek és jelentkezés itt<<

BIG DATA KÉPZÉS – július 22. péntek
>>Részletek és jelentkezés itt<<

Tomi

Honnan tanuljunk az adatelemzésről? – 2. rész

Ebben a bejegyzésben megosztok néhány könyvet és online kurzust, amelyeket az utóbbi időben elolvastam/megnéztem és színvonalasnak, hasznosnak találtam. Sok a (big) data-s tananyag a neten, hát még könyvek formájában – sok köztük a selejt is. De szerencsére van köztük jó néhány nagyon jó anyag is.

(Az első részben már mutattam 3 könyvet: https://adatlabor.hu/big-data-konyv-1-resz/)

Íme újabb 4 tananyag, amit érdemes magadévá tenni, ha érdekel a téma!

Honnan tanuljunk az adatelemzésről? – 2. rész bővebben…

Látogatók és forgalom mérése UTM tag segítségével

Papp Gábor
Papp Gábor, thepitch.hu

Mai vendégszerzőnk Papp Gábor a thepitch.hu alapítója, SEO és online marketing szakértő! Egy kifejezetten fontos témát mutat be nekünk: a linkkövetést UTM-tag-ekkel!

Amikor 2016 januárjában elindítottuk a The Pitch Online Marketing blogját, akkor határozott célkitűzés volt előttünk, hogy tudatosan és adatvezérelt módon fogjuk gyűjteni és elemezni az adatokat. Ezeket pedig nem csak azért gyűjtjük, hogy ott legyenek a Google Analytics fiókban, hanem ténylegesen teszünk is azért, hogy ezekből a technikai információkból üzleti információt faragjunk. Vagyis olyan infót, amiből később üzleti értéket lehet teremteni.

Akik számára a tartalommarketing és az elkészült tartalom megosztása egy fontos marketingcsatorna, azok számára az utm tagek használata az egyik legjobb és leghasznosabb elemzést segítő megoldás. Látogatók és forgalom mérése UTM tag segítségével bővebben…

Adatvezérelten – az első pár lépés

Az utóbbi időben több képzésünkön is előjött a kérdés, hogy ha egy már működő online biznisz per-pillanat még semmilyen szinten sem elemzi a saját adatait, akkor mégis hogyan lehet és hogyan érdemes belevágni.
A hosszútávú, profi megoldás persze az, hogy ha felépíted minél előbb a saját adattárházadat, amiből függetlenül és rugalmasan tudod elemezni az adataidat. De hát azért elég gyakori, hogy erre se pénz, se idő, se emberi erőforrás nem áll rendelkezésre.
Ha ez Veled is így van, akkor most leírok három projektet, amivel kis ráfordítással nagy hasznot érhetsz el.
De mindenek előtt: mi lehet ez a haszon?

Adatvezérelten – az első pár lépés bővebben…

A “leggonoszabb” és egyben leghatékonyabb tesztelési módszer

This article is available in English here:
http://data36.com/the-most-evil-but-also-most-efficient-testing-method/

Hallottál már az ún. gettó-tesztelésről? A másik neve egy kicsit barátságosabb: fake-door-testing (mostantól a cikkben is inkább ezt használom).

A fake-door-testing egy nagyon egyszerű módszer, amely során úgy mérjük fel az igényt egy új termékre (vagy egy termék új funkciójára), hogy közben csak nagyon minimálisan van szükségünk tényleges fejlesztésre.
A folyamat négy lépésből áll: A “leggonoszabb” és egyben leghatékonyabb tesztelési módszer bővebben…