Illia Polosukhin (@ilblackdragon), đồng tác giả của "Attention is All You Need" và người sáng lập @NEARProtocol, tham gia cùng @labenz trên @cogrev_podcast để thảo luận về tầm nhìn cụ thể của anh ấy cho một tương lai được hỗ trợ bởi AI. Họ thảo luận về: * Cách mà các trợ lý lập trình AI đang cho phép "phần mềm cá nhân" - nơi mọi người có thể xây dựng tự động hóa của riêng mình thay vì sử dụng các công cụ phức tạp, một kích thước phù hợp với tất cả như Salesforce * Sự chuyển mình từ các giao diện người dùng truyền thống sang một lớp trí tuệ thống nhất hoạt động trên tất cả các thiết bị của bạn, dự đoán những gì bạn cần và chủ động hoàn thành công việc * Cách mà các đại lý AI sẽ biến đổi thị trường bằng cách kết nối trực tiếp người mua và người bán, làm cho quảng cáo và trung gian trở nên ít liên quan hơn * Cuộc sống hàng ngày sẽ như thế nào trong một kỷ nguyên thịnh vượng của AI - với giải trí cá nhân hóa và mọi người tìm thấy ý nghĩa trong các cộng đồng ngách nhỏ * Các đại diện AI bỏ phiếu thay mặt cho các chủ sở hữu token, và mục tiêu dài hạn của NEAR là mỗi cá nhân có AI của riêng mình tham gia vào quản trị * Mối quan hệ cộng sinh giữa con người và AI cá nhân của họ "trưởng thành cùng nhau" - nơi AI theo đuổi lợi ích của con người ngay cả trong các cuộc đàm phán với các AI khác * Những thách thức còn lại trong an ninh sinh học và nhu cầu phối hợp khi các hệ thống AI mạnh mẽ trở nên phổ biến CHƯƠNG: (00:00) Nhà tài trợ: Google Gemini Notebook LM (00:31) Về tập này (03:33) AI Biến đổi Phát triển Phần mềm (14:18) Tương lai của Công việc (18:58) Bảo mật Blockchain với AI (Phần 1) (19:08) Nhà tài trợ: Tasklet | Linear (21:48) Bảo mật Blockchain với AI (Phần 2) (33:03) Tầm nhìn cho một Xã hội AI (Phần 1) (33:55) Nhà tài trợ: Shopify (35:52) Tầm nhìn cho một Xã hội AI (Phần 2) (49:14) Kiến trúc và Sự phù hợp của Đại lý (58:30) Thí nghiệm với Quản trị AI (01:06:43) An toàn và Độ bền của AI (01:16:09) An ninh Sinh học và Các Mô hình Mở (01:22:56) Phối hợp Phát triển AI (01:28:52) Kết thúc

.@eoghan, Giám đốc điều hành của @intercom, và @fergal_reid, Giám đốc AI, tham gia cùng @labenz trên @cogrev_podcast để thảo luận về cách họ xây dựng Fin—đại lý dịch vụ khách hàng AI đã tăng từ 35% lên 65% tỷ lệ giải quyết trong 30 tháng trong khi tiên phong mô hình định giá dựa trên kết quả với giá 99¢ mỗi lần giải quyết. Họ khám phá: * Tại sao trí tuệ không phải là nút thắt—GPT-4 đã đủ thông minh, và chỉ một vài điểm phần trăm trong 30 điểm cải thiện của họ đến từ các mô hình cơ sở tốt hơn * Kỹ thuật ngữ cảnh là động lực thực sự: các mô hình truy xuất tùy chỉnh, các bộ xếp hạng lại, và hàng ngàn bài kiểm tra A/B sản xuất phát hiện sự thay đổi tỷ lệ giải quyết 0.1% * Mô hình định giá 99¢ mỗi lần giải quyết bắt đầu không có lãi nhưng đạt được biên lợi nhuận ở mức phần mềm thông qua tỷ lệ thành công cải thiện và chi phí suy diễn giảm * Cách mà Fin giải quyết vấn đề đội ngũ hỗ trợ dưới nước mà không cần sa thải hàng loạt—chậm lại việc tuyển dụng mới trong khi nâng cao giá trị cho con người (trừ BPO, sẽ bị thay thế ngay lập tức) THỜI GIAN: (00:00) Về Tập này (03:43) Theo kịp AI (09:56) Đánh giá các mô hình và Evals (13:04) Các công ty hiện tại vs. Các công ty khởi nghiệp (18:54) Rủi ro sản phẩm và phán đoán (Phần 1) (19:00) Nhà tài trợ: Linear | AGNTCY (21:34) Rủi ro sản phẩm và phán đoán (Phần 2) (23:42) Câu chuyện sa thải của Klarna (Phần 1) (32:11) Nhà tài trợ: Claude | Shopify (36:13) Câu chuyện sa thải của Klarna (Phần 2) (36:14) Tăng tỷ lệ giải quyết (45:00) Trí tuệ không phải là nút thắt (50:10) Khép lại khoảng cách tự động hóa (56:20) Độ chính xác của con người so với AI (1:01:03) Sự tinh tế của tốc độ (1:04:48) Cân nhắc về sự thay đổi mô hình (1:09:31) Mô hình định giá dựa trên kết quả (1:19:12) Hacking bình thường và những hiểu biết (1:26:05) Sự chấp nhận và tham vọng AI (1:36:00) Kết thúc

Hiểu tâm lý và những người ra quyết định của các nhà lãnh đạo AI như @sama. @FU_joehudson, huấn luyện viên điều hành và người sáng lập @artofaccomp, tham gia cùng @labenz trên @CogRev_Podcast để thảo luận về tâm lý và quá trình ra quyết định của các nhà nghiên cứu và lãnh đạo AI. Họ khám phá: * Tại sao mỗi nhà nghiên cứu AI đều vật lộn với câu hỏi "mình có đang làm điều tốt cho nhân loại không?" nhưng lại thiếu sự đồng thuận về điều đó có nghĩa là gì * Cách mà các mẫu chặn cảm xúc gây hại cho sự đổi mới - và các kỹ thuật để "mở chặn" thông qua sự tích hợp giữa đầu/trái tim/bụng * Tại sao việc xấu hổ các nhà phát triển AI lại phản tác dụng và việc hỗ trợ họ như "những người hùng sinh ra" lại hiệu quả hơn * Sự không thể tránh khỏi của sự phát triển AI và nhu cầu về những tầm nhìn tích cực vượt ra ngoài việc tối ưu hóa trí thông minh thuần túy Thời gian: (00:00) Về tập này (03:00) Nền tảng Huấn luyện của Joe (12:40) Các mẫu Nghiên cứu AI (Phần 1) (17:46) Nhà tài trợ: Linear (19:15) Các mẫu Nghiên cứu AI (Phần 2) (Phần 1) (28:10) Nhà tài trợ: Oracle Cloud Infrastructure (29:34) Các mẫu Nghiên cứu AI (Phần 2) (Phần 2) (31:54) Đua xe và Quy định (50:20) Đạo đức và Hỗ trợ (01:04:07) Các câu hỏi về Ý thức AI (01:21:34) Tầm nhìn Tương lai Tích cực (01:39:12) Hỗ trợ các nhà phát triển AI (01:43:09) Kết thúc