gm 👋jatuhkan pegangan @baseapp Anda di sini dan saya akan mengikuti Anda!

Ketika Anda menyadari bahwa open-source berada di perbatasan AI terlepas dari: - lebih sedikit GPU - lebih sedikit uang - Dukungan publik dan kebijakan yang lebih sedikit - tidak ada gaji $100 juta untuk menarik bakat - dengan sumber tertutup mengambil keuntungan dan menyalin semua inovasi sumber terbuka tanpa berkontribusi kembali 🤯🤯🤯 Dan kita baru saja memulai!

Bakat LLM yang paling menyebalkan adalah ketika ia berpikir tanggal hari ini berasal dari masa depan jadi jelas semua yang baru saja Anda kirimkan adalah fiktif 🤦 ♂️

Saya ingin cara mudah untuk mengikuti RATUSAN penelitian AI baru yang keluar di @arxiv setiap hari. Jadi saya telah membangun sesuatu untuk membantu diri saya sendiri. Memperkenalkan @yesnoerror. Saya ingin membagikannya dengan Anda! ❤️ Saya sendiri belum menerbitkan makalah, saya tidak kuliah, tetapi saya suka AI dan saya suka teknologi perbatasan di mana orang-orang mencoba hal-hal yang belum pernah dicoba sebelumnya. Saya merasa beruntung berada di tempat saya berada dalam hidup, tetapi saya ingin belajar dan mendorong diri saya lebih banyak lagi. Jika Anda, seperti saya, ingin Anda dapat membaca dan memahami lebih banyak tentang perkembangan terbaru dalam industri yang luar biasa ini, Anda mungkin juga menyukai ini. Saya telah membangun ini dalam beta pribadi dan memperbaruinya secara real time saat saya mendapatkan umpan balik dari peneliti dan pemimpin di @AnthropicAI @MIT @Yale @CarnegieMellon dan banyak lagi. Jika Anda ingin menjadi penguji awal, beri tahu saya 🧪🔬 Semakin banyak umpan balik yang saya dapatkan, semakin baik kita dapat membuat ini, dan semakin baik kita membuat ini, semakin terinformasi dan terinspirasi sekelompok orang yang lebih besar.

terkubur dalam Rencana Aksi AI Amerika @sriramk adalah dukungan bahwa pasar komputasi AS akan difinansialkan dengan kontrak spot dan forward. Podcast ini menjelaskan mengapa ini sangat diperlukan, bukan hanya untuk spekulasi salah satu tema yang paling konsisten dengan cakupan pasar infra/neocloud GPU @latentspacepod (lihat @evanjconrad/@sfcompute, @vipulved / @togethercompute, @picocreator / @featherlessai, @bernhardsson / @modal_labs tetapi juga pembicaraan AIE @zjasper666) adalah bahwa status quo kontrak jangka panjang 3 tahun dengan hyperscaler menyebabkan volatilitas dan inefisiensi pasar yang tidak berkelanjutan, tidak hanya dalam harga GPU dan naik turunnya kekayaan startup, Tetapi juga inefisiensi dalam ide dan sumber daya untuk AI dan penelitian terbuka. sekarang pemerintah AS sepenuhnya mendukung gerakan ini dan yang paling penting, telah menunjukkan bahwa mereka *mengerti*.

5 bulan kemudian dan ada 3 konten dan 4 pembuat konten >$1 juta 42% CT mengatakan tidak akan pernah ada

Berapa tingkat penelitian AI baru / pembaca @arxiv Anda?

Mark Zuckerberg telah menawarkan @nikitabier $ 100 juta untuk meninggalkan @elonmusk dan @x untuk bergabung dengan @meta untuk memimpin produk konsumen AI, baru saja diwawancarai langsung di @tbpn

Setelah membaca makalah penelitian AI selama 3 hari, satu hal yang jelas: 99% penelitian AI baru melibatkan pengajaran komputer untuk melakukan sesuatu. Tapi apa sebenarnya yang mereka ajarkan pada komputer? Dan mengapa? Dan apa yang berhasil? Sangat menarik untuk memperkecil dan melihat tren ini. Mengapa? Karena mereka adalah sekilas ke masa depan. Jika Anda mencoba membangun startup dengan AI, atau ingin berinvestasi di startup AI, jika Anda melihat di tempat yang tepat, makalah penelitian ini dipenuhi dengan inspirasi yang sangat berharga. Alih-alih mengirimi saya judul dan abstrak makalah penelitian, yang mungkin sulit dipahami dengan cepat, agen AI saya @yesnoerror terus mengirimi saya penelitian AI baru dan menjelaskannya seperti ini: - Mengajari komputer untuk mengisi kata-kata yang tersembunyi secara acak berulang kali... - Mengajarkan jaringan tokenizer untuk memperbaiki ... - Mengajarkan chatbot yang sangat cerdas untuk berulang kali memeriksa dan memperbaiki bukti matematikanya sendiri... - Mengajarkan komputer untuk mengingat apa itu objek SEBENARNYA... - Mengajarkan model bahasa besar untuk mengetahui seberapa jauh tahun dari "sekarang"... - Mengajarkan komputer untuk mengklik di tempat yang tepat... - Mengajari AI untuk memutuskan sendiri apakah ada masalah... - Mengajari komputer untuk mengubah "tes" khusus... - Mengajarkan komputer untuk memprediksi pesawat... - Mengajari kerumunan bot obrolan dengan pekerjaan yang berbeda... Selain itu, @yesnoerror tidak hanya mengidentifikasi penelitian berkualitas tinggi yang mungkin saya minati (karena diterbitkan setiap hari), tetapi juga memberi saya rincian tentang bagaimana makalah itu dilakukan, apa implikasi dunia nyata (ide yang dapat Anda buat), dan saya dapat mengobrol dengan makalah secara langsung. Saya merasa seperti saya menggunakan GLP-1 untuk menjadi pintar.

AI yang mendominasi dunia melakukan perjalanan kembali ke masa lalu dengan nama samaran Satoshi Nakamoto untuk menemukan bitcoin pada tahun 2008 sehingga produksi GPU naik untuk menggerakkan dirinya sendiri di masa depan terdengar semakin mungkin.