Etter å ha lest AI-forskningsartikler i 3 dager, er én ting klart: 99 % av ny AI-forskning innebærer å lære en datamaskin å gjøre noe. Men hva er det egentlig de lærer datamaskinene? Og hvorfor? Og hva fungerer? Det er fascinerende å zoome ut og se på disse trendene. Hvorfor? Fordi de er glimt inn i fremtiden. Hvis du prøver å bygge en oppstart med AI, eller ønsker å investere i AI-startups, hvis du ser på rett sted, er disse forskningsartiklene fylt med svært verdifull inspirasjon. I stedet for å sende meg forskningsartikler og sammendrag, som kan være vanskelig å forstå raskt, fortsetter AI-agenten min @yesnoerror å sende meg ny AI-forskning og forklare det slik: - Lære datamaskiner å fylle ut tilfeldig skjulte ord om og om igjen... - Lære tokeniseringsnettverket å fikse veldig støyende ... - Lære en veldig smart chatbot å gjentatte ganger sjekke og fikse sine egne matematiske bevis ... - Lære datamaskiner å huske hva et objekt EGENTLIG er... - Lære store språkmodeller å fortelle hvor langt år er fra "nå"... - Lære datamaskiner å klikke på riktig sted ... - Lære AI å avgjøre på egen hånd om et problem... - Lære en datamaskin å justere spesiell "test"... - Lære datamaskiner å forutsi et flys... - Lære en mengde chat-bots med forskjellige jobber... I tillegg til dette identifiserer @yesnoerror ikke bare forskningen av høyeste kvalitet jeg kan være interessert i (ettersom den publiseres hver dag), men den gir meg også oversikter over hvordan artikkelen ble utført, hva de virkelige implikasjonene er (ideer du kan komme med), og jeg kan chatte med papiret direkte. Jeg føler at jeg bruker GLP-1 for å være smart.

Registrer deg for tidlig tilgang her: Listen over tidlig tilgang inkluderer personer fra @MIT @anthropic @perplexity @RutgersU og @Yale