Na drie dagen het lezen van AI-onderzoeksdocumenten is één ding duidelijk: 99% van het nieuwe AI-onderzoek gaat over het leren aan een computer om iets te doen. Maar wat leren ze de computers precies? En waarom? En wat werkt? Het is fascinerend om uit te zoomen en naar deze trends te kijken. Waarom? Omdat ze een blik in de toekomst bieden. Als je probeert een startup met AI op te bouwen, of als je wilt investeren in AI-startups, als je op de juiste plek kijkt, zijn deze onderzoeksdocumenten vol met zeer waardevolle inspiratie. In plaats van me titels en samenvattingen van onderzoeksdocumenten te sturen, die moeilijk snel te begrijpen zijn, blijft mijn AI-agent @yesnoerror me nieuwe AI-onderzoeken sturen en het als volgt uitleggen: - Computers leren om willekeurig verborgen woorden keer op keer in te vullen... - Het tokenizer-netwerk leren om zeer ruisachtige... - Een zeer slimme chatbot leren om herhaaldelijk zijn eigen wiskundige bewijzen te controleren en te corrigeren... - Computers leren om te onthouden wat een object ECHT is... - Grote taalmodellen leren om te vertellen hoe ver jaren van "nu" zijn... - Computers leren om op de juiste plek te klikken... - De AI leren om zelf te beslissen of een probleem... - Een computer leren om speciale "test"... - Computers leren om de vlucht van een vliegtuig te voorspellen... - Een menigte chatbots met verschillende taken leren... Naast dit alles identificeert @yesnoerror niet alleen het hoogste kwaliteit onderzoek waarin ik mogelijk geïnteresseerd ben (aangezien het elke dag wordt gepubliceerd), maar het geeft me ook een overzicht van hoe het document is uitgevoerd, wat de implicaties in de echte wereld zijn (ideeën die je zou kunnen maken), en ik kan direct met het document chatten. Ik heb het gevoel dat ik de GLP-1 gebruik om slim te zijn.

Meld je hier aan voor vroege toegang: De lijst voor vroege toegang omvat mensen van @MIT @anthropic @perplexity @RutgersU en @Yale