Anthropic の共同創設者である Ben Mann は、私が聞いた中で最も明確な AGI の定義を持っており、彼はそれを経済チューリング テストと呼んでいます。 「特定の仕事でエージェントと1〜3か月契約し、それが人ではなく機械であることが判明した場合、その役割の経済チューリングテストに合格したことになります。そして、エージェントがお金の重み付けされた仕事の 50% でそのテストに合格できれば、革新的な AI が完成します。 この閾値を超えれば、世界のGDP増加、社会の変化、そしてこれらが可能になった後の雇用者数に多大な影響が及ぶことが予想されます。 それが新しい時代の始まりです。」

Anthropic の共同創設者である Ben Mann は、私が聞いた中で最も明確な AGI の定義を持っており、彼はそれを「経済転換テスト」と呼んでいます。 「特定の仕事でエージェントと1〜3か月契約し、それが人ではなく機械であることが判明した場合、その役割の経済チューリングテストに合格したことになります。そして、エージェントがお金の重み付けされた仕事の 50% でそのテストに合格できれば、革新的な AI が完成します。 この閾値を超えれば、世界のGDP増加、社会の変化、そしてこれらが可能になった後の雇用者数に多大な影響が及ぶことが予想されます。 それが新しい時代の始まりです。」

Anthropic の共同創設者であるベン・マンは、娘にモンテッソーリを選んだ理由について次のように語っています。 「これが10〜20年前だったら、私は彼女を一流の学校や課外活動に並べていたでしょう。しかし、今ではどれも問題ではないと思います。事実を学ぶことは背景に消えていきます。重要なのは、彼女が幸せで、思慮深く、好奇心旺盛で、親切であることです。」

これは私が書くのに10か月かかったので、レニーが今日のニュースレターを「職場で働いている人の数を変える」投稿として紹介することは大きな意味があります。 (誰でもアクセスできるように無料にしました)

「11 か月前、私は職場で AI をまったく使用していませんでした。 私と私のチームは、何万人もの人々が使用する AI 製品を構築していました。しかし、自分の仕事で AI を使用することに関しては、私は誇り高きラッダイトでした。 「インターネットの平均」のように聞こえたくなかったのです。AIツールに任せたら、自分の優位性が失われてしまうのではないかと心配していました。ChatGPT を使用してみたところ、おしゃべりなウィキペディアを参照するなど、戦略的で革新的な作業にはがっかりしました。 心の奥底では、インフルエンサーだけが知っているように見えるプロンプトの魔法の呪文を正確に知らないことに落胆していました。 その後、私のエンジニアリングマネージャーは、ChatGPTとコンテキストを交えて話すだけで完璧なユーザーストーリーを書く方法を教えてくれました。 AI ツールは、十分なコンテキストを提供していなかったため、率直で一般的な手段のように感じられていたことに気づきました。LLM は知的な知識作業に非常に効果的ですが、それは誰もが同じ作業を行うために必要なのと同じ背景知識を LLM に提供する場合に限られます。 LLM が、私たちの目標、戦略、役割、プロジェクト、そしてより広範な組織について、この貴重で継続的なコンテキストを持っているとき、LLM は私たちの「AI 副操縦士」、つまり長期的で複雑な仕事のための真の思考パートナーになります。 企業の規模、業種、AI の流暢さに関係なく、今日の多くのテクノロジー ワーカーは、私と同じ理由でチャンスを逃しています。彼らは、LLMが潜在能力を最大限に体験するために必要なコンテキストを提供していません。 状況がすべてを変えます。」 @talraviv は、20,000 人以上の人々に独自の AI コパイロットを構築する方法を教えてきました。 今日の🔥投稿では、Tal が AI を扱うことについての考え方を変える方法と、独自の AI コパイロットを実際に構築する方法を共有しています。

YouTubeチャンネル登録者💥🙏数40万人突破

それは誰もが尋ねている質問です... AI 時代の将来性をどのように確保しますか? 「ツールの使い方に野心的であり、新しいツールを学ぶ意欲があることです。新しいツールを古いツールのように使う人は、成功しない傾向があります」 - @8enmann、Anthropic の共同創設者 彼は@lennysanポッドキャストで説明しています

大企業で働いていて、現実の世界でコードをどうやって取り組むかを考えていますか?このエピソードはあなたのためのものです。 学ぶ： 1. @DevinAIや@Cursor_AIなどのAIエージェントを使用して、大規模なコードベースで高品質のコードを生成するための体系的なアプローチ 2. AI エージェントに技術的負債に体系的に取り組むようにする方法 3. 複数の AI ツールで機能する一元化されたルール システムを作成する方法 4. 「人間にとって良いことはLLMにとっても良いこと」がドキュメンテーション戦略の指針となる理由 5. 面接のフィードバックを改善し、コーチングを受けるためのカスタムGPTワークフローを構築する方法

大企業で働いていて、現実の世界でコードをどうやって取り組むかを考えていますか?このエピソードはあなたのためのものです。 学ぶ： 1. @DevinAIや@Cursor_AIなどのAIエージェントを使用して、大規模なコードベースのテストノイズを分析および低減するための体系的なアプローチ 2. AI エージェントに技術的負債に体系的に取り組むようにする方法 3. 複数の AI ツールで機能する一元化されたルール システムを作成する方法 4. 「人間にとって良いことはLLMにとっても良いこと」がドキュメンテーション戦略の指針となる理由 5. 面接のフィードバックを改善し、コーチングを受けるためのカスタムGPTワークフローを構築する方法

OpenAI の安全チーム全員が 5 年前に@AnthropicAIをスタートさせました。 ここでは、彼らが辞める必要があると確信した彼らの発言を@8enmann共有します。