Все частіше здається, що нам потрібні були 140 символів, щоб у нас були літаючі автомобілі

Мав можливість повернутися назад і послухати це як пасивний учасник. Чесно кажучи, @moonshot6666 — це багатство знань як про американські, так і про китайські екосистеми штучного інтелекту та обчислення в ширшому сенсі. Дуже рекомендую.

Мені подобається @lex_feeds роботи, тому що він достатньо начитаний, щоб сформулювати загальну картину та місце в контексті, а також має досвід роботи з продуктом, щоб надати розуміння на рівні розробника Я явно упереджений, але за винятком, можливо, Seminanalysis, я вважаю, що @delphi_intel довгострокові дослідження є одними з найкращих доступних, які надаються безкоштовно Посилання:

**Про те, як стати дивнішим** Я від природи не дуже дивний, але я працюю над тим, щоб стати дивнішим. Я вважаю, що це піде мені на користь, як в особистому, так і в професійному плані. Ми переходимо від світу, який винагороджує конформізм (системи фабричних шкіл, стандартизовані тести, омріяні 2 роки i-bank, 2 роки b-школи, 2 роки прямих інвестицій тощо), до світу, який все більше винагороджує дивацтва. Оскільки штучний інтелект поглинає багато стандартизованих завдань, покладатися на те, що робить вас дивними, стає все більш оптимальною стратегією. На жаль, я народилася не дуже дивною. У мене є багато «стандартних» атрибутів з музичними уподобаннями, найбільш схожими на ті, що у 13-річної дівчинки. Однак за останні 10 років я зробив узгоджений вибір, щоб подолати деякі зі своїх основних схильностей у спробі стати більш дивним. Не в сенсі того, щоб знайти нове хобі чи відригнути кілька плагаризованих у Вікіпедії монологів чи зайнятися косплеєм, а насправді намагатися побудувати життя, яке є іншим. Часто зміни бувають випадковими, іноді розрахованими, але зазвичай вони, за визначенням, передбачають відмову від того, чого більшість людей не сказали б. У Сан-Франциско багато людей від природи досить дивні, а ще більше докладають зусиль, щоб здаватися дивними, але я помічаю, що багато хто з них застопорився, стаючи дивнішими або, як це не парадоксально, ставав дивнішим таким же чином. В Азіатсько-Тихоокеанському регіоні зростаюче охоплення культури отаку є ще одним прикладом, коли люди намагаються стати дивнішими, але загалом починають рухатися до тих самих стандартів. Ставати дивнішим у пошуках статусу чи прийняття часто перформативно та відволікає, і явно все ще досить меметично, що в основному протилежно ставанню дивацтва. Велика частина того, щоб стати дивнішим, полягає в тому, щоб сказати «так» речам, які є дивними. Це може здатися банальним, але це не так. Зокрема, я маю на увазі послідовне прийняття немейнстрімних, неконсенсусних рішень зі значними життєвими рішеннями, які з часом ускладнюються. Коротше кажучи, стати дивнішим означає робити вибір, якого не зробила б ваша безпосередня група однолітків. Майже, за визначенням, маються на увазі короткострокові попадання в статус. Це часто ризиковано і призводить до більшої дисперсії, двостороннього меча. Якщо ви не дуже дивакувати, один із способів стати дивнішим – це шукати супутника життя, який від природи дуже відрізняється від вас (можливо, з іншої культури) або просто переїхати в іншу країну. Мова йде не стільки про те, щоб стати більш культурним або світським, скільки про те, щоб розширити свою поверхневу область досвіду, щоб забезпечити більш унікальний синтез. Як і у випадку з експресією генів, хоча існують сильні природні тенденції, різні атрибути будуть проявлятися в різних середовищах. Ці петлі часто взаємні: вроджені дивацтва виявляються в нових середовищах, що спонукає до пошуку ще більш унікальних середовищ і так далі. Для мене метою є не дивацтва заради дивацтва, а процес, який постійно вдосконалює суміш генів і досвіду, які роблять мене унікальною; які, повільно, допомагають мені скласти історію як справжнє N з 1. Деякі люди від природи не дуже дивні, але кожен може стати дивнішим. Мабуть, найголовніший інгредієнт – це просто сміливість. Дякую за увагу з цього приводу.

(1/8) У попередній доповіді я досліджував, як моделі штучного інтелекту є захоплюючими протиріччями — блискучими, але випадковими, обізнаними, але перцептивно обмеженими, потужними, але несвідомими. Сьогодні я публікую 2-гу доповідь "Багатий інтелект і дефіцитний досвід", в якій йдеться про те, як ефективно використовувати цей новий багатий інтелект. Нам потрібен новий сценарій співпраці: вирівнювати свідомість, надавати автономію, перевіряти результати, надавати зворотний зв'язок і забезпечувати постійне вдосконалення. Простіше кажучи, додатки повинні застосовувати штучний інтелект на практиці Детальніше дивіться нижче:

Коливання тут за такий короткий проміжок часу вражають, і в цілому повинні змусити вас оцінити рівень інвестицій, які можуть залучити американські ринки капіталу. Дуже хороший показник med до довгострокового домінування ШІ. В кінцевому підсумку, можна очікувати аналогічний сплеск інвестицій в робототехніку, щоб допомогти компенсувати виснажений промисловий потенціал Америки. 2020-ті роки не стануть десятиліттям низьких ставок.

2035 Епізод 1: Китайці проти американського штучного інтелекту, короткий виклад. @ZeMariaMacedo і я мали можливість сісти з @moonshot6666 за стіл, щоб обговорити все, що стосується американського та китайського штучного інтелекту. В даний час Алекс є співзасновником @get_truenorth і має дуже унікальну перспективу, працюючи у великих компаніях з виробництва мікросхем, технологічних компаніях та інвестиційних компаніях по обидва боки Тихого океану. Один з найбільш інформативних епізодів, доступних про динаміку штучного інтелекту США та Китаю та майбутнє комп'ютерів у ширшому сенсі. 2035 – це новий подкаст @delphi_intel. Посилання нижче:

Знайдіть собі того, хто дивиться на вас з боку @FloodCapital дивиться на GLXY @ZeMariaMacedo дивиться на Етену @lex_feeds дивиться на arXiv

PSA: Цього тижня у @lex_feeds було кілька чудових поглядів на міні-стрічку @delphi_intel: 1) Як ШІ завоював економіку США 2) Змоделюйте світ - дослідники DeepMind представили Genie3 3) Базові моделі не можуть навчатися безперервно - чи можуть вони? Збережіть його в закладки:

З яким основним питанням стикається DeAI? IMO, це чудово вловлюється @PonderingDurian: «Чи переваги недорогих латентних обчислень на інфрачервоному рівні, компаундингу з відкритим вихідним кодом на модельному рівні та креативності на прикладному рівні в кінцевому підсумку переважають витрати на оркестровку, які великі лабораторії пом'якшують, переводячи все під дах однієї компанії?» Відповідь залежить від того, як ви зважуєте миттєве тертя проти довгострокового важеля. Великі лабораторії роблять ставку на те, що витрати на оркестрування настільки болючі, що люди будуть платити преміальні ціни, щоб їх уникнути. Ймовірно, вони мають рацію, в короткостроковій перспективі. Але як тільки оркестровка буде вирішена (прориви @PluralisHQ, @NousResearch і @PrimeIntellect дають мені більше впевненості, що це станеться), відкриті екосистеми можуть вивільнити колективний інтелект у масштабі + швидкість, з якою не може зрівнятися жодна централізована лабораторія. Саме тут перемагає децентралізований штучний інтелект.