После трех дней чтения научных статей по ИИ одно ясно: 99% новых исследований в области ИИ связано с обучением компьютера делать что-то. Но чему именно они учат компьютеры? И зачем? И что работает? Удивительно взглянуть на эти тенденции в более широком контексте. Почему? Потому что это взгляды в будущее. Если вы пытаетесь создать стартап с использованием ИИ или ищете возможность инвестировать в стартапы ИИ, если вы посмотрите в правильном направлении, эти научные статьи полны очень ценной вдохновляющей информации. Вместо того чтобы отправлять мне названия и аннотации научных статей, которые могут быть трудны для быстрого понимания, мой ИИ-агент @yesnoerror продолжает присылать мне новые исследования по ИИ и объяснять их так: - Обучение компьютеров заполнять случайно скрытые слова снова и снова... - Обучение сети токенизатора исправлять очень шумные... - Обучение очень умного чат-бота повторно проверять и исправлять свои собственные математические доказательства... - Обучение компьютеров запоминать, что такое объект НА САМОМ ДЕЛЕ... - Обучение больших языковых моделей определять, насколько далеко годы от "сейчас"... - Обучение компьютеров кликать в нужное место... - Обучение ИИ самостоятельно решать, является ли проблема... - Обучение компьютера настраивать специальные "тесты"... - Обучение компьютеров предсказывать полет самолета... - Обучение толпы чат-ботов с разными задачами... Кроме того, @yesnoerror не только определяет самые качественные исследования, которые могут меня заинтересовать (так как они публикуются каждый день), но также предоставляет мне разбор того, как была проведена работа, каковы реальные последствия (идеи, которые вы могли бы реализовать), и я могу общаться с самой статьей. Я чувствую, что использую GLP-1 для того, чтобы быть умным.

Зарегистрируйтесь для раннего доступа здесь: Список раннего доступа включает людей из @MIT @anthropic @perplexity @RutgersU и @Yale